Node.js抓取中文网页乱码问题和解决方法

内容摘要

Node.js 抓取非 utf-8 的中文网页时会出现乱码问题，比如网易的首页编码是 gb2312，抓取时会出现乱码

iconv-lite 来解决
安装

cheerio 可以简单粗暴的理解为服务器端 jQuery

文章正文

Node.js 抓取非 utf-8 的中文网页时会出现乱码问题，比如网易的首页编码是 gb2312，抓取时会出现乱码

iconv-lite 来解决

安装

cheerio 可以简单粗暴的理解为服务器端 jQuery 选择器，有了它，比正则要更加直观许多

安装

文档可知，可以关闭这个转换实体编码的功能

复制代码代码如下:

var $ = cheerio.load(html)

改成

复制代码代码如下:

var $ = cheerio.load(html, {decodeEntities: false})

即可，完整代码如下：

复制代码代码如下:

var originRequest = require('request')
var cheerio = require('cheerio')
var iconv = require('iconv-lite')
var headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36'
}

function request (url, callback) {
var options = {
    url: url,
    encoding: null,
    headers: headers
}
originRequest(options, callback)
}

var url = 'http://www.163.com'

request(url, function (err, res, body) {
    var html = iconv.decode(body, 'gb2312')
    var $ = cheerio.load(html, {decodeEntities: false})
    console.log($('h1').text())
    console.log($('h1').html())
})

代码注释

上一篇 C语言中的sizeof操作符用法及和strlen的区别下一篇浅析javascript的间隔调用和延时调用

作者：喵哥笔记

学的不仅是技术，更是梦想！