python3 requests中文亂碼之壓縮格式問題解析

Posted on by

我們在爬蟲時，經常會遇見中文亂碼問題，之前都是編碼格式的問題，很少遇見由於壓縮格式造成的編碼混亂問題，特記錄下。先看下混亂的編碼樣式。

b'a\xd4l\x00 G6\xb5\xaa\xdf\xeaAy\x0f\xa0\xcaoZ\x92I&\x88\x14$p\xd8N\xb8\xaau\x02\xab\xdf\xeb\xac\x89r\x112q\x91\x99\xd8t\x1b\xa1"\x0b]\xb7\xf2\xee\xde[\xe8\x8a.\xd1\xa5\xe9(ZqE\xa1q\x08\x9dV\x0f\xba\x90\x11\x16K\x10^~\xc5|7\x02\x17\xd6\xef\t\x17\xea5\xe6}\xb6\x95\xf1\x91\xf6H\xa9o+s\xd3\xadv\xa9\xff\xb3\xad\xec\

 我們先看下header

header = {
    "Content-Type":"application/json",
    "Accept": "application/json",
    "Accept-Encoding": "gzip, deflate, br",
    "Accept-Language": "zh-CN,zh;q=0.9",
    "Agw-Js-Conv": 'str',
    "Connection": "keep-alive",
    "Cookie":"***",
    "Host": "life.douyin.com",
    "Referer": "https://life.douyin.com/p/login",
    "sec-ch-ua": '"Chromium";v="104", " Not A;Brand";v="99", "Google Chrome";v="104"',
    "sec-ch-ua-platform": "Android",
    "Sec-Fetch-Dest": "empty",
    "Sec-Fetch-Mode": "cors",
    "Sec-Fetch-Site": "same-origin",
    "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Mobile Safari/537.36",
    "x-secsdk-csrf-token": "*",
}

我們註意到Content-Type是application/json，我們的數據是jason格式，這時要考慮中文轉換問題，用utf-8來把中文從unicode轉過來。

我們轉瞭後發現解析出來的數據還是亂碼，這是什麼情況呢？我們先看下請求頭和響應頭關於字段的解釋

請求頭字段 說明 響應頭字段
Accept 告知服務器發送何種媒體類型 Content-Type
Accept-Language 告知服務器發送何種語言 Content-Language
Accept-Charset 告知服務器發送何種字符集 Content-Type
Accept-Encoding 告知服務器采用何種壓縮方式 Content-Encoding

我們再看"Accept-Encoding"，這個意思就是返回的數據使用的是什麼壓縮格式，平常我們經常使用"gzip, deflate",這是我們發現後面還跟瞭個br，br是什麼格式呢？

br 指的是 Brotli，是一種全新的數據格式，無損壓縮，壓縮比極高（比gzip高的）

這需要單獨導入brotil庫

安裝

pip install Brotli

安裝後我們使用brotli來解析數據即可，

data = brotli.decompress(res.content)

還有一種最簡單的方法，我們修改請求頭，高速服務器，我不支持br格式，這樣服務器就不會用br來壓縮數據瞭

"Accept-Encoding": "gzip, deflate",

補充下：BrotliDecompress failed錯誤問題

剛開始我用request庫時發現，對返回的response數據必須要引入brotli，這樣才能解壓縮數據，如果不引入無法解析數據，還是會反回亂碼數據

import brotli
res = requests.get(url,headers = header,verify=False)
print(res.content)
print(res.text)
 
if res.headers.get('Content-Encoding') == 'br':
    data = brotli.decompress(res.content)
    print(data.decode('utf-8'))
else:
    print(res.text)

但是在我使用httpx後，發先再使用brotli.decompress()方法，會造成報錯

Traceback (most recent call last):
  File "/****", line 61, in <module>
    data = brotli.decompress(res.content)
brotli.error: BrotliDecompress failed

這時無需引入brotli庫，httpx會自動引入，自動調用

import json
finish_data = []
with httpx.Client(http2=True, verify=False) as client:
    cookies = httpx.Cookies()
    res = client.get(url,headers = header)
    if res.headers.get('Content-Encoding') == 'br':
       data = res.content.decode('utf-8')
       print(data)
       
       else:
          print(res.text)

到此這篇關於python3 requests中文亂碼問題之壓縮格式問題的文章就介紹到這瞭,更多相關python3 requests中文亂碼內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：