admin 管理员组

文章数量: 887007

今天用ChatGPT写了一段代码，爬取中文网站数据，提示词如下：

写一段Python程序，爬取网页数据并保存到excel表格。

具体步骤：

打开网站https://www.zhenfund/Case/?id=3，解析源代码；

定位 id="ma_3" 的div元素；

定位其中所有的li元素；

定位li元素中的img 元素，提取alt值作为excel表格第1列；

定位li元素中的a元素，提取href值作为excel表格第2列；

保存excel表格到电脑d盘

注意：alt值里面有些是中文字符，可能在保存到excel表格时出现乱码问题。

程序运行很成功，但是结果里面有很多乱码，这些乱码在源代码都是中文。

把这个问题向ChatGPT反馈，尝试了几种方式来修改，都没有作用。

爬取出来的excel文件，用各种编码都无法正常显示。

那么，应该是源文件的问题了。

看来ChatGPT 不太懂这个问题，于是转而用搜索引擎搜索这个问题，最后找到一个靠谱答案：一般的网站的编码格式都是 UTF-8，所以当你系统的默认编码也是 UTF-8 时，也就是说，你的默认编码方式和目标网站的编码方式一致时，即使不明确设置编码方式，也不会出问题。但是爬取过程中没问题，但是用打开保存好的 csv 文件时出现乱码，这个其实就是源文件的编码方式和 Excel 的解码方式不一致导致的。这种问题解决也很简单，只要在代码中设置一下 encoding 即可。 这里建议一种方法，r.encoding = r.apparent_encoding ，这个可以自动推测目标网站的编码格式，省的你自己去一个个设置。

于是，根据这个情况让ChatGPT进行修改：

随后运行成功，不再有任何乱码出现了：

本文标签： 乱码 代码 网页 数据 ChatGpt

版权声明：本文标题：零代码编程：用ChatGPT爬取网页数据遇到乱码怎么办？ 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1729014954h1307094.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。