python引包module出现No module named XXX,以及爬虫中文乱码问题-阿里云开发者社区

开发者社区> 开发与运维> 正文
登录阅读全文

python引包module出现No module named XXX,以及爬虫中文乱码问题

简介: python引包module出现No module named XXX,以及爬虫中文乱码问题
搞过其他开发语言的童鞋使用python引包,引用类文件或者方法都会觉得有些别扭吧。反正我是这么觉得的。
比如你有目录文件,结构如下:
d91e347833e8bf9e9c09b8400613d62756ba159c
首先项目下任何目录文件调用文件夹下面的文件,比如调用untils文件夹下面的os_utils.py,必须创建一个文件名为__init__.py的文件,即使是空文件。作用是声明该文件夹可以作为项目的目录使用。
现在根目录下的文件引用文件夹download下的html_downloader.py文件。正常的情况下使用:
from download import html_downloader
但是top_data下的spider_start.py 调用文件夹下面的html_downloader.py文件,如果使用:
from download import html_downloader 是不会报错的,但是执行if __name__ == "__main__" 主函数的话会报错:No module named XXX
网上解决该问题的方案很多,但是多少有效果。暂时我使用的方式是:
import os	#引入os
import sys	#引入sys
o_path = os.getcwd()	#获取项目的路径,这个路径是绝对路径,比如你的项目放在D盘根目录下,打印o_path的结果是D:\项目目录
sys.path.append(o_path)  #将该目录添加到该文件夹下,把当前目录当成根目录使用
from download import html_downloader #然后可以跟根目录下的文件一样使用这样的方式引用
但是此时根目录下的文件比如strat.py文件引用download目录下的html_downloader.py文件,就要改成下面这种方式:
import download.html_downloader as downloader #不知道是为什么?没弄明白
这样的方式是目前唯一发现的可行的方案。也许有更好的方式,希望大神们在下面指教。
另外 使用 from .. import download.html_downloader的方式也会报错:E0402:Attempted relative import beyond top-level package,平常理解的..和.在python里都是不一样的。引包方式还是Java比较强大和人性化,不过毕竟python是解释型语言,需要更多的说明而不是写更多的代码。
最近在写一些东西用来方便自己,需要用到爬虫。也许你也用的到,也许也会碰到中文乱码问题。网络上的html大多使用utf-8编码,但是国内也有一些使用ISO-8859-1,gb2312,gbk等,遇到这种编码使用bytes(str, encoding=“gbk”) 由于GB18030>GBK>GB2312,转化GBK编码的页面使用gb18030比较可靠一些,在转str(btyes, encoding="utf-8),麻烦而且效果不好,只有小部分页面能够转化成功。
A没有使用转码的效果,B使用bytes和str转码后的效果,C是我这次使用的方法:
77899c4cbbf1ad06d6df42718917d087e77b80ab
上代码:
684328db685927649f230b0654caa0e63746a39e
框框内就是使用的我认为可以通杀任何网站的乱码问题,除非是utf-8和GBK不能编码的网站,有的话加个elif分支即可。
response是响应数据,使用较多就response.content返回二进制格式的数据,写文件用的多,response.text返回html字符串格式,response.encoding = '编码格式',是指定响应数据使用什么编码格式。如果是ISO-8859-1,gb2312,gbk等格式,使用utf-8编码就会出现乱码。如果是utf-8编码格式的html使用gbk来编码也会成乱码,不过补全是乱码,有些能编正确,比如:
5a3f973f8c695b0ffec2ed95cf4013295f9d40f6

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享: