V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
kafka0102
V2EX  ›  程序员

技术贴,抓取页面乱码的问题

  •  
  •   kafka0102 · 2012-06-04 00:22:47 +08:00 · 3188 次点击
    这是一个创建于 4316 天前的主题,其中的信息可能已经有所发展或是发生改变。
    这是一个困扰我许久的问题了。检测我抓来的一些网站的页面,发现其中有乱码的情况(试过java、ruby代码实现,使用curl工具显示的也是乱码),但打开原页面看,检测的字符编码是ok的(实际上换了多个编码都不行),而浏览器显示是正常的。对于乱码页面的站点来说,并不是所有页面都是乱码的,所以感觉应该不是网站故意返回乱码数据。可是,这是怎么回事呢?现在可供验证的页面有: http://www.designaeon.com/wordpress-ajax-pagination/http://www.designaeon.com/wp-max-social-widget/ 。之前有发现csdn有乱码页面,不过过了几天后再抓发现又ok了。求助阿。。。
    2 条回复    1970-01-01 08:00:00 +08:00
    clowwindy
        1
    clowwindy  
       2012-06-04 00:28:18 +08:00   ❤️ 1
    kafka0102
        2
    kafka0102  
    OP
       2012-06-04 02:52:34 +08:00
    @clowwindy 膜拜,跪谢,解决问题了。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   1543 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 48ms · UTC 23:58 · PVG 07:58 · LAX 16:58 · JFK 19:58
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.