編碼問題

response = requests.get(URL, params=params,      headers=headers, timeout=10)print 'self.encoding',response.encodingoutput:self.encoding ISO-8859-1

查了一些相關的資料，看了下requests的源碼，只有在服務器響應的頭部包含有Content-Type，且里面有charset信息，requests能夠正確識別，否則就會使用默認的 ISO-8859-1編碼。github中也有討論這個問題,但requests的作者們說是根據rfc來的.

在上述代碼中，response.text 是requests庫返回響應的Unicode編碼內容

這樣,當我們去獲取一些中文網頁的響應內容時,且其響應頭部沒有charset信息,則response.text的編碼就會有問題(requests的json()方法也受這個編碼影響)

比如,我爬取百度的網頁的時候,其中文是utf-8編碼的

如下python2.7代碼

In [14]: a = '約' #utf-8編碼In [15]: aOut[15]: '/xe7/xba/xa6'In [22]: b=a.decode('ISO-8859-1')#response.text 認為響應內容是ISO-8859-1編碼,將其decode為UnicodeIn [23]: bOut[23]: u'/xe7/xba/xa6'In [26]: c=b.encode('utf8')#如果我們沒有注意ISO-8859-1,直接以utf8對其進行編碼In [27]: cOut[27]: '/xc3/xa7/xc2/xba/xc2/xa6'#那么encode得到的utf-8,在顯示器上顯示的就是亂碼,因為'約'的utf-8編碼是'/xe7/xba/xa6'

解決方法1: 用response.content ,response.content in bytes,所以用content可以自己決定對其的編碼

解決方法2: 獲得請求后使用 response.encoding = ‘utf-8'

解決方法3: 利用requests庫里根據獲得響應內容來判斷編碼的函數,參考文獻里有講到

python2的編碼還是很亂的 str可以是各種編碼,python3統一str為Unicode, byte可以是各種編碼

python2中encode后是str類型,decode后是Unicode類型,python3中encode后是byte類型,decode后是str類型(Unicode編碼)

用python3吧,下面是python3的代碼

In [13]: a = '約' #UnicodeIn [14]: type(a)Out[14]: strIn [15]: b=a.encode('utf8')In [16]: bOut[16]: b'/xe7/xba/xa6'In [17]: type(b)Out[17]: bytesIn [27]: b'/xe7/xba/xa623,000'.decode('ISO-8859-1')Out[27]: '约23,000'In [28]: type(b'/xe7/xba/xa623,000'.decode('ISO-8859-1'))Out[28]: strIn [29]: b'/xe7/xba/xa623,000'.decode('utf8')Out[29]: '約23,000'

socks5代理問題

現在的requests2.13.0的socks5代理我在使用的時候會出現問題,

我用的代理是shadowsocks,比如我想要訪問https://www.facebook.com 在向本地127.0.0.1:1080端口發送socks5請求時,我發現shadowsocks在向一個IP地址連接,連接不上,我用chrome連接Facebook的時候,我發現shadowsocks是在向www.facebook.com連接,能夠成功連接,應該是DNS解析問題,出現了重復解析的問題,使用requests2.12不會有這個問題,在github上也找到了相關的issue

import requestsheaders = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) '   'AppleWebKit/537.36 (KHTML, like Gecko) '   'Chrome/56.0.2924.87 Safari/537.36'}proxies = {'http': 'socks5://127.0.0.1:1080','https':'socks5://127.0.0.1:1080'}url = 'https://www.facebook.com'response = requests.get(url, proxies=proxies)print(response.content)