概述
用爬虫获取网页信息的时候，我们可能会遇到这样一个情况，网页看到是汉字但是爬虫获取的却是u6211u6211uxxxx这样的一堆字符，这是什么鬼？在网上搜索得出的方法要么是说转码要么是说可以直接输出就可以。但是都不能解决我们遇到的问题。今天在这里我们就从底层去了解出现这类情况的原因吧
u6211是什么?
这是汉字我经过unicode编码产生的
unicode是什么?
世界上存在着多种编码方式，在ANSI编码下，同一个编码值，在不同的编码体系里代表着不同的字。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码，可能最终显示的是中文，也可能显示的是日文。在ANSI编码体系下，要想打开一个文本文件，不但要知道它的编码方式，还要安装有对应编码表，否则就可能无法读取或出现乱码。为什么电子邮件和网页都经常会出现乱码，就是因为信息的提供者可能是日文的ANSI编码体系和信息的读取者可能是中文的编码体系，他们对同一个二进制编码值进行显示，采用了不同的编码，导致乱码。这个问题促使了unicode码的诞生。
出现u的原因
而我们遇到的问题即是汉字在用unicode编码后字符串，它以uxxxx的格式显示，之所以没有显示为汉字是因为没有解码，我们看到的u6211是字符串格式，所以它其实是\u6211，第一个反斜杠转义了后面一个反斜杠，导致无法正确解码
怎么将我转成u6211?
js
escape("我")
//输出的结果为："%u6211"
python
最后
以上就是雪白自行车为你收集整理的java unicode 我爱你,各语言解决\\u6211%u6211\u6211问题的全部内容，希望文章能够帮你解决java unicode 我爱你,各语言解决\\u6211%u6211\u6211问题所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复