golang写爬虫乱码怎么办

golang写爬虫乱码怎么办

在用golang编写爬虫程序时，会碰见编码格式gb2312的页面。

网页页面上可以看出该页面字符编码为gb2312

<;meta http-equiv="Content-tyPE" content="text/htML; charset=gb2312" />

而golang默认是支持UTF-8编码格式的，这样直接爬下来的结果会乱码。

解决方法：

使用 gIThub.COM/axgle/mahonia 这个包可以完成编码转换、

1、执行 go get github.com/axgle/mahonia 命令下载此包后，在%gopath%/src目录下会生产

github.com\axgle\mahonia

2、代码使用方法

1）导入包

import "github.com/axgle/mahonia"

2）转换函数

func ConvertToString(src string, srcCode string, tagCode string) string {
    srcCoder := mahonia.NewDecoder(srcCode)
    srcResult := srcCoder.ConvertString(src)
    tagCoder := mahonia.NewDecoder(tagCode)
    _, cdata, _ := tagCoder.Translate([]byte(srcResult), true)
    result := string(cdata)
    return result
}

3）在需要字符串转换编码的位置调用此函数

result = ConvertToString(html, "gbk", "utf-8")

更多golang知识请关注PHP中文网golang教程栏目。

脚本宝典总结

以上是脚本宝典为你收集整理的golang写爬虫乱码怎么办全部内容，希望文章能够帮你解决golang写爬虫乱码怎么办所遇到的问题。

如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。