.shtml网站解析UnicodeError

举报
冬晨夕阳 发表于 2022/03/30 00:24:45 2022/03/30
【摘要】 SHTML和HTML的区别 如果用一句话来解释就是:SHTML 不是HTML,而是一种服务器 API。 shtml是服务器动态产成的html. 虽然两者都是超文本格式,但shtml是一种用于SSI技术的文...

SHTML和HTML的区别
如果用一句话来解释就是:SHTML 不是HTML,而是一种服务器 API
shtml是服务器动态产成的html.
虽然两者都是超文本格式,但shtml是一种用于SSI技术的文件。 也就是Server Side Include–SSI 服务器端包含指令。 如果Web Server有SSI功能的话(大多数(尤其是基于Unix平台)的WEB服务器如Netscape Enterprise Server等均支持SSI命令)。

html或htm与shtml或shtm的关系是什么
html或者htm是一种静态的页面格式,也就是说不需要服务器解析其中的脚本,或者说里面没有服务器端执行的脚本,而shtml或者shtm由于它基于SSI技术,当有服务器端可执行脚本时被当作一种动态编程语言来看待,就如asp、jsp或者php一样。当shtml或者shtm中不包含服务器端可执行脚本时其作用和html或者htm是一样的。

问题描述:
http://www.chinanews.com/entertainment.shtml
例如CN新闻网,charset= utf-8 ,但是解析会异常,requests 和 urllib 解析后都是乱码。

解决方法:

1。使用selenium 来进行页面获取

2。使用scrapy 来进行页面获取。

文章来源: blog.csdn.net,作者:考古学家lx,版权归原作者所有,如需转载,请联系作者。

原文链接:blog.csdn.net/weixin_43582101/article/details/95074754

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200