python爬蟲中文網頁cmd列印出錯問題解決

用python寫爬蟲，很多時候我們會先在cmd下先進行嘗試。

運作爬蟲之後，肯定的，我們想看看爬取的結果。

于是，我們print...

運氣好的話，一切順利。但這樣的次數不多，更多地，我們會遇到這樣的錯誤：

好吧，回去檢查網頁的編碼格式：<code>gb2312</code>

代碼中也添加了：<code>r.encoding = 'gb2312'</code>

看不出哪裡出了問題，應該沒問題的啊！

代碼如下：

網上查，都說是cmd控制台的問題。預設控制台編碼gbk

好吧，那就改一下控制台編碼，改成gbk的超集gb18030

試試看再說。。。嗯，很好，無報錯，但是有亂碼，算是解決了問題！

順着這個思路，再一想，改控制台編碼那還不如直接改字元編碼：<code>r.encoding = 'gb18030'</code>

試試看再說。哎，沒問題了，無報錯，無亂碼，完美解決！

從ASCII、GB2312、GBK到GB18030，這些編碼方法是向下相容的，即同一個字元在這些方案中總是有相同的編碼，後面的标準支援更多的字元。

各種編碼字元數目

gb2312: 7445 -- 在windows中的代碼頁是CP936

gbk: 21886 -- 在windows中的代碼頁是CP936

gb18030: 27484 -- 在windows中的代碼頁是CP54936

gb13000: 等同于unicode

顯然，gb18030 是 gb2312，gbk 的超集

是以，解決問題的思路就是：

如果控制台中，列印中文文本出問題，那就用它的編碼的超集進行編碼。