问题:Node.js抓取网站中文乱码
async function getHtml(){
let res = await axios.get(publicPath+"/pic/")
console.log(res)
}
如上代码,axios默认是以utf8的方式去解码html
由于原网页的编码方式是gb2312
控制台打印中文乱码
_G��ԭ��_����ͼƬ��</b></a> </h3>\r\n' +
'<p> ������ĩ�ա������ף��ܽ���һ����־�ϸ裬����ĩ�ռ��������ף�G����������ͼƬ�ף��׳���Ϊ�����Ǹ����ϴ��� ���������
����������Σ����Ÿ��Լ�һЩ��������Ҫ�ñ��˰�����������״ݻ١��ܽ�������һ�ײ�ͬ����... </p>\r\n' +
`<span class="spanimg1">���ࣺ
Node.js抓取网站中文乱码解决办法
stream尝试了很多种方式都无效,最后想到流请求
我们以流的方式去请求网页,因为流都是二进制数据,当我们获取到所有的二进制数据后,将其以原网页的编码方式去解码即可!
步骤
1.引入 iconv-litenpm i iconv-lite
const axios = require('axios')
const cheerio = require('cheerio')
const iconv = require('iconv-lite')
//封装请求html方法
async function getHtml(url){
let res = await axios.get(
url,{
responseType: 'stream'
})
return new Promise(resolve=>{
let chunks = []
res.data.on('data',chunk=>{
chunks.push(chunk)
})
res.data.on('end',()=>{
let buffer = Buffer.concat(chunks)
let str = iconv.decode(buffer,'gb2312')
resolve(str)
})
})
}
getHtml用于发送流请求
在函数内部封装了promise,
promise里面的res.data
是一个可读流当获取到流数据时,我们及将其添加到chunks数组。
流数据获取完毕后,将二进制数据连接,并设置解码方式为gb2312
最好用cheerio封装一下
async function getData(){
const html = await getHtml(publicPath+"/pic/")
const $ = cheerio.load(html)
console.log($.html())
}
getData()
解码后的数据
七里香》吉他谱,周杰伦的经典代表作品,七里香吉他六线谱,原调bE选调C,CAPO夹三品,完整版共五张弹唱图
片谱。感谢老姚吉他编配,并同步《七里香》吉他弹唱教学视频,琴友们可以跟随老师的示范讲解练习起来。 曲... </p>
<span class="spanimg1">分类: <a href="/geshou/Cdiaodanchangpu_1258_1.html" rel="external nofollow" >C调弹唱谱</a> <a href="/geshou/jitajiaoxueshipin_5348_1.html" rel="external nofollow" >吉他教学视频</a> </span> <span class="spanimg2">来源:未知 </span> <span class="spanimg3">2020-12-25</span>
以上就是Node.js抓取网站中文乱码解决办法的详细内容,更多关于Node.js抓取网站中文乱码解决办法的资料请关注编程网其它相关文章!