网页爬虫 - Python：爬虫的中文编码问题？

问题描述

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？

问题解答

简单地方法是用pandas的to_excel方法转化成.xlsx文件，因为.xlsx默认编码是默认支持Excel的，区别当然是无法用记事本打开。

import pandas as pda = pd.read_csv(’./test.csv’)a.to_excel(’./test_output.xlsx’, index=False)a.to_excel(’./test_output.csv’, index=False)

我这里没有windows可以测试，可以尝试写入编码为gb2312或者gbk试试。

表格文件类I/O的话其实pandas更方便一点。

abs1=abs1.decode().encode(’gbk’)

excel默认使用的是GBK编码。

新建一个excel文件，然后点 数据 自文本，导入csv文件