Node.js抓取网站中文乱码解决办法

时间:2023-03-20 zihanzy 人气:0

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-lite
npm 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"  target="_blank">C调弹唱谱</a>  <a href="/geshou/jitajiaoxueshipin_5348_1.html" rel="external nofollow"  target="_blank">吉他教学视频</a>  </span> <span class="spanimg2">来源：未知 </span> <span class="spanimg3">2020-12-25</span>

加载全部内容