网页爬虫 - Python：爬虫的中文编码问题？

Question

爬取中文网页后正则匹配出中文，得打UTF-8的编码字符

将其输出为.csv文件

在.CSV中显示为乱码

用记事本打开.csv又可以正常显示为中文

有没有大神指点是怎么一回事？怎样才能在Excel里直接看到中文？

Answer 1

Cara mudahnya ialah menggunakan kaedah pandas to_excel untuk menukarnya menjadi fail .xlsx, kerana pengekodan lalai .xlsx menyokong Excel secara lalai Perbezaannya sudah tentu ia tidak boleh dibuka dengan Notepad.

import pandas as pd

a = pd.read_csv('./test.csv')

a.to_excel('./test_output.xlsx', index=False)

a.to_excel('./test_output.csv', index=False)

Saya tidak mempunyai tingkap di sini untuk menguji Anda boleh cuba menulis pengekodan sebagai gb2312 atau gbk.

Untuk fail meja I/O, panda sebenarnya lebih mudah.

Answer 2

abs1=abs1.decode().encode('gbk')

Answer 3

Excel menggunakan pengekodan GBK secara lalai.

Answer 4

Buat fail excel baharu, kemudian klik Data daripada teks untuk mengimport fail csv