用python做網(wǎng)頁(yè)爬蟲，會(huì)要用到讀網(wǎng)頁(yè)文件，python可以想讀本地文件那樣讀網(wǎng)頁(yè)文件

讀網(wǎng)頁(yè)文件，要用到urllib.request包中的文件，因此需要首先導(dǎo)入

import urllib.request

然后打開一個(gè)網(wǎng)頁(yè)。

infile = urllib.request.urlopen("http://infohost.nmt.edu/tcc/help/pubs/tkinter/web/text-methods.html")

網(wǎng)頁(yè)的地址必須要加“http://“

讀網(wǎng)頁(yè)文件。read()讀出來(lái)的東西是bytes類型的，不是str，不信可以試試type(s)。可以用s.decode(“utf-8”)來(lái)將其轉(zhuǎn)成str類型，之所以用utf-8，是因?yàn)橐话愕木W(wǎng)頁(yè)文件都是utf-8這個(gè)編碼的

s = infile.read()

這個(gè)infile不需要close()

如果想把這個(gè)網(wǎng)頁(yè)文件保存到本地，可以直接用二進(jìn)制的編碼方式打開一個(gè)本地文件，然后寫入s就可以了

outfile = open("h2.html", "wb") outfile.write(s) outfile.close()

打開h2.txt，你會(huì)發(fā)現(xiàn)跟網(wǎng)頁(yè)文件一樣。為什么會(huì)這樣了？h2.html用二進(jìn)制方式寫入的，應(yīng)該是二進(jìn)制文件啊，怎么是文本文件呢？

其實(shí)在電腦中，所謂二進(jìn)制文件和文本文件，其實(shí)本質(zhì)都是一樣的，都是二進(jìn)制文件，只不過(guò)對(duì)于所謂的文本文件，電腦自動(dòng)用了某種編碼方式翻譯了該二進(jìn)制文件。所以對(duì)h2.html寫入二進(jìn)制，與寫入字符其實(shí)是一樣的，當(dāng)寫入字符時(shí)還需要將其解碼成二進(jìn)制。python的文件IO其實(shí)就是把這個(gè)過(guò)程隱藏起來(lái)了而已。

其實(shí)你這樣試一試

outfile = open("h1.txt", "wb") s1 = bytes([65, 66, 67]) outfile.write(s) outfile.close()

輸出應(yīng)該是

ABC

與你用

outfile = open("h1.txt", "w") s1 = "ABC" outfile.write(s) outfile.close()

是一樣的

總結(jié)

以上是生活随笔為你收集整理的python 3读网页文件及保存成本地文件，遇到的编码问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。