golang写爬虫乱码怎么办

golang写爬虫乱码怎么办

在用golang编写爬虫程序时，会碰见编码格式gb2312的页面。

网页页面上可以看出该页面字符编码为gb2312

<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />

而golang默认是支持UTF-8编码格式的，这样直接爬下来的结果会乱码。

解决方法：

使用 github.com/axgle/mahonia 这个包可以完成编码转换、

1、执行 go get github.com/axgle/mahonia 命令下载此包后，在%gopath%/src目录下会生产

github.com\axgle\mahonia

2、代码使用方法

1）导入包

import "github.com/axgle/mahonia"

2）转换函数

func ConvertToString(src string, srcCode string, tagCode string) string {
    srcCoder := mahonia.NewDecoder(srcCode)
    srcResult := srcCoder.ConvertString(src)
    tagCoder := mahonia.NewDecoder(tagCode)
    _, cdata, _ := tagCoder.Translate([]byte(srcResult), true)
    result := string(cdata)
    return result
}

3）在需要字符串转换编码的位置调用此函数

result = ConvertToString(html, "gbk", "utf-8")

更多golang知识请关注PHP中文网golang教程栏目。

Atas ialah kandungan terperinci golang写爬虫乱码怎么办. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!