2

На странице есть ссылка с кириллицей. Если через браузер(Chrome) посмотреть код страницы, то ссылка выглядит вот так: http://get.sweetbook.net/b/36078/I4SXM5F6MJVEmNYbUb7EBLwPKpI8eZ4t8sVT24HuWUY,/%D0%9C%D0%B0%D0%BB%D0%B5%D0%BD%D1%8C%D0%BA%D0%B8%D0%B9%20%D0%BF%D1%80%D0%B8%D0%BD%D1%86.mp3

А если получить страницу через urllib, то ссылка выглядит вот так: http://get.sweetbook.net/b/36078/dcMxTA1ODDAjyUYXxstuglvFQ__MpjpMJy7-5N6ODWQ,/\xd0\x9c\xd0\xb0\xd0\xbb\xd0\xb5\xd0\xbd\xd1\x8c\xd0\xba\xd0\xb8\xd0\xb9 \xd0\xbf\xd1\x80\xd0\xb8\xd0\xbd\xd1\x86.mp3

Что с чем и как сделать, чтобы получать ссылку, как через браузер?

0

1 ответ 1

1

Всем спасибо за ответы. Но ответ нашёл методом тыка. Во всех документациях и туториалах получение веб-страницы выглядит вот так:

  req = urllib.request.Request(url, headers=headers)
  with urllib.request.urlopen(req) as response:
        page = response.read()

Но так пробелы и отступы отображаются в виде кучи \n и \t, а так же некорректно отображается кириллица. Проблема решается вот так:

  req = urllib.request.Request(url, headers=headers)
    with urllib.request.urlopen(req) as response:
        page = response.read().decode()
1
  • Просто .decode() неверно, если страница не использует utf-8 кодировку. Вместо этого, нужно использовать: .decode(page_encoding). Если не знаете как найти page_encoding кодировку веб-страницы, то задайте отдельный вопрос. See A good way to get the charset/encoding of an HTTP response in Python.
    – jfs
    14 мая 2016 в 16:24

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.