UnicodeEncodeError: 'gbk' codec can't encode character解决方法

女爷i 2022-08-28 08:48 127阅读 0赞

点击上方“**Python爬虫与数据挖掘**”，进行关注

回复“**书籍**”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

若非群玉山头见，会向瑶台月下逢。

##     大家好，我是Python进阶者。 ##

## 前言 ##

##     前几天有个叫【低端玩家.】的粉丝在Python交流群里问了一道关于requests库请求后，出现编码错误的问题，如下图所示。 ##

##  ##

![31a8ae6d50f9d1629fd03ef45aad5a28.png][]

![055b462f275ea7e6a4cd30f50f70bb00.png][]

粉丝也说了，同样代码，别人都能运行，但是他这个就不行，真是头大。

## 一、思路 ##

其实问题的关键点就是在于编码和解码的问题，首先要确定网站的编码方式，剩下的就是自己电脑中的Pycharm编码设置的问题了。一般来说，苹果机默认就是utf-8编码，所以苹果机中的编码问题一般比较少，但是其他机型就不好说了，一般默认的编码是gbk，所以需要进行转编码。这也是为什么在苹果机下使用open()函数，不指定编码格式，抓取下来的网页或者数据是不会乱码的，而使用其他机型抓取的情况下，不指定编码，就会乱码的原因所在了。

## 二、解决方法 ##

他目标网站的编码是utf-8，即<meta charset='utf-8'/> ，我尝试给了他解决方案，使用下方代码进行输出，以为可以一步到位，不过事与愿违。

response.text.encode('utf-8').decode('utf-8')

![dc58bac007f09d689448a733f2c35ed4.png][]

我看了下他的代码，是没毛病的，而且网页的编码就是utf-8，编码没问题，那么只能是Pycharm中的编码设置的问题了。

在setting里边指定编码为utf-8，就可以解决问题了，如下图所示。

![4036428cf72684263509105aa6e4fa60.png][]

这里设置好之后，然后运行代码，就可以正常跑了，不会出现报错了。

![8856db2dff046a1712f520514f1934ff.png][]

**【拓展知识】**

下次小伙伴们有遇到类似这种'\\u7535\\u5546'编码报错问题，确定在Pycharm里边确定为utf-8编码的情况下，可以使用下面的解决方式，小编屡试不爽：

text = '\u7535\u5546'
    print(text.encode('utf-8').decode('utf-8'))

好了，今天的文章就分享到这里了，希望对大家的学习有帮助。

## 三、总结 ##

我是Python进阶者。本文基于粉丝提问，针对编码问题，主要从两个方面进行出发，其一是网页编码，其二是Pycharm编码，顺利解决这个小bug。小编相信小伙伴们在实际敲代码的过程中，肯定还有遇到其他的编码bug，也欢迎大家在评论区谏言。

![1e7e6359fa4aad989ada7331e5a90f3a.png][]

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

![98397f273fd2a5e600a6666e9e9e537f.png][]

**---\--\---\---\---\--\---** End **---\--\---\--\---\---\--\-**

往期精彩文章推荐：

*  [手把手教你采集京东销售数据并做简单的数据分析和可视化][Link 1]  
    
 *  [手把手教你用Pyecharts库对淘宝数据进行可视化展示][Pyecharts]
 *  [手把手教你用Pandas库对淘宝原始数据进行数据处理和分词处理][Pandas]
 *  [Python项目实战篇——常用验证码标注&识别(前端+后端实现高效率数据标注)][Python]

![18c7dd9ab73dcc2bfdef2cea94bf75b7.png][]

欢迎大家**点赞，****留言，****转发，转载，**感谢大家的相伴与支持

想加入Python学习群请在后台回复【**入群**】

万水千山总是情，点个【**在看**】行不行

**/今日留言主题/**

随便说一两句吧~~

[31a8ae6d50f9d1629fd03ef45aad5a28.png]: /images/20220828/877d08a3abc14936828b2b87e216c74f.png
[055b462f275ea7e6a4cd30f50f70bb00.png]: /images/20220828/0fe98fddc634467089b2d791ed0f079f.png
[dc58bac007f09d689448a733f2c35ed4.png]: /images/20220828/7a4e0ad879db4d6f93ebff3097137842.png
[4036428cf72684263509105aa6e4fa60.png]: /images/20220828/f9b6ff7b902b4e90bc5c0a1e5d54c810.png
[8856db2dff046a1712f520514f1934ff.png]: /images/20220828/65302d94598d4a91b743f454765331bb.png
[1e7e6359fa4aad989ada7331e5a90f3a.png]: /images/20220828/ce6cbc6e4cbd41a4b9b25d57c11db51a.png
[98397f273fd2a5e600a6666e9e9e537f.png]: /images/20220828/04b381b4ea1143238e759a5c19d93838.png
[Link 1]: https://blog.csdn.net/weixin_38753213/article/details/112001044
[Pyecharts]: https://blog.csdn.net/pdcfighting/article/details/119880791
[Pandas]: https://blog.csdn.net/pdcfighting/article/details/119962726
[Python]: https://blog.csdn.net/pdcfighting/article/details/120245546
[18c7dd9ab73dcc2bfdef2cea94bf75b7.png]: /images/20220828/16f92ee0f0b34083be165232a40198c3.png