錯誤信息：UnicodeEncodeError: 'ascii' codec can't encode characters in position 21-22: ordinal not in range(128)。ascii碼不能對位于21-22的字符進行編碼，為什么呢，他的編碼不在128的范圍類。問題：ASCII碼是什么？我們第一期說過，在計算機里面，是用數字0和1來表示信息的。用0和1表示數字的方式，叫二進制?？墒窃趺幢硎疚淖帜兀亢唵?，把文字轉換成數字就可以了。轉換嘛，其實制定一套編碼指定哪個數字代表哪個字符。一幫人糾結來糾結去，后來選擇了0—127，代表了26個小寫字母、26個大寫字母、10個數字、32個符號、33個句柄和一個空格總共128個字符，這就是ASCII碼。現在知道錯誤信息里的128怎么來的了吧。因為是美國人發明的，所以并沒有考慮中文，甚至他們的老兄弟英國的英鎊符號都沒有考慮進去。所以，我們的中文字符“胡歌”，要用ascii去解碼的時候，就會出錯了。怎么辦呢？活人當然不會被尿憋死，既然別人老美可以有自己的編碼，我們就不能也設定一個么。于是，中國的編碼GB2312誕生。那么問題來了，有沒有一套編碼，包含各個國家的字符呢？當然有，Unicode！看Uni這個詞根，就知道他要搞大事情。然而這套編碼發明出來后大家并不太買賬，為什么呢，因為他太龐大。想想ASCII碼，只有1到127，最大的127用二進制表示是1111111，也就是說最少7位就能表示一個字符。想想Unicode要成萬用碼，那長度，真是我的天。為了克服Unicode的缺陷，又出來了UTF-8編碼，這套編碼與之前不同之處在于UTF8的編碼是變長的。之前的比如ASCII碼，表示1是用0000001，表示127是用1111111，都是7位，但是UTF-8不同，他表示小的數字用的位數就少，表示大的數字用的位數就大。于是設計者就將常用的字符對應比較小的數字，很少用的字符對應比較大的數字，也就是大部分情況下，他占的資源還是挺少的，這樣就兼顧了通用和效率。所以，只要將漢字“胡歌”表示成UTF-8就可以了。有同學表示不服：我直接搜索胡歌都是可以的，而且瀏覽器上顯示的也是漢字。為什么python就不可以，真是弱雞啊。我說這位同學你這是圖樣圖森破啊?？春昧耍?img src="http://s1.VeVb.com/20170206/0fjt1iyvfy039.gif" alt="">看實際上漢字變成了什么。那么這個%E8%83%A1%E6%AD%8C是什么呢？
是不是就是胡歌的UTF-8編碼，只不過用了十六進制表示。好了，那怎么改？用我剛剛輸入的"胡歌".encode("utf-8")？那是不行的，一來，發現輸出的b'/xe8/x83/xa1/xe6/xad/x8c'前面有個b沒，這是什么？二來，輸出結果出來是/x，而在網址中是百分號。我先說解決方案，再解釋上面說的這些。解決方案：parse.quote("胡歌")。其中parse也是來自于上期說到的urllib模塊，他出來的效果，就是%E8%83%A1%E6%AD%8C。再來解釋上面說到的幾個問題。首先是/x，其實就是表示十六進制，沒什么其他的意思。第二是百分號%，這是一個規定，在網址里面，遇到特殊符號就用%加符號的ASCII碼的十六進制，遇到中文其實比較凌亂，有的是百分號加UTF-8編碼，有的是加GB2312編碼，這里我們暫時都用UTF-8，遇到坑了之后以后再說。最后，稍復雜一些，這個b是什么鬼。我們說了，Python有五個基本數據類型。然而，我們經常下載文件，或者保存文件，是說多少B，多少KB，多少MB，多少GB，沒聽說過我們存了一個int，兩個str，三個float。所以，在網絡傳輸，磁盤存儲的時候，都要將這些轉成以字節bytes為單位的數據。1B=8bytes。Python對bytes類型的數據用帶b前綴的單引號或雙引號表示。要將字符串轉換成字節，用encode()；要將字節信息轉換成字符串，用decode()。
如果不選編碼，會默認使用Unicode。好了，編碼的問題講完了，我們修改一下代碼，再運行一下。
獲取到數據了吧，而且看最后，我們獲取到的數據是不是也是開頭有個b的，從網絡獲取的數據都是這樣，我們再把他解碼一下，弄成字符串，方便以后處理：htmlstr = data.decode("utf-8", "ignore")ignore是為了防止一些莫名的解碼錯誤，遇到了就忽視掉。好了，現在我們拿到數據了，下一步，就要從這些數據中找出圖片了。
歡迎關注我的微信公眾號獲取最新文章：
新聞熱點
疑難解答
