请求返回字节，我无法解码它们

Posted 2023-02-23

【中文标题】请求返回字节，我无法解码它们

【英文标题】：Request returns bytes and I'm failing to decode them

【发布时间】：2015-10-20 21:50:55

【问题描述】：

基本上我向网站发出请求并得到一个字节响应：b'["geonameId:"703448"..........'. 我很困惑，因为虽然它是字节类型，但它非常易于人类阅读，并且看起来像一个 json 列表。我知道响应是在运行r.encoding 时以latin1 编码的，它返回ISO-859-1，我试图对其进行解码，但它只返回一个空字符串。这是我目前所拥有的：

r = response.content
string = r.decode("ISO-8859-1")
print (string)

这是它打印一个空行的地方。 但是，当我运行

len(string)

我得到：回31023 如何在不返回空字符串的情况下解码这些字节？

【问题讨论】：

在 python 2.x 中，b 前缀将导致包含的字符串成为str 类型，您可能已经隐藏了一些编码字符。在 Python 3.x 上，您将收到 bytes 文字。为什么你认为你需要执行任何编码/解码？

因为我需要解析 json，我只是尝试循环遍历它：使用for i in range(len(contents)): print content[i]，它只是打印出很多数字。

【参考方案1】：

您是否尝试使用json 模块对其进行解析？

import json
parsed = json.loads(response.content)

【讨论】：

是的，我得到了：JSON object must be str, not 'bytes'

你什么时候做json.loads(response.content.decode('latin1'))?

响应对象中应该有一个标头告诉您它具有什么编码。您应该使用该编解码器对内容进行解码，否则任何不寻常的字符（表情符号、重音符号、一些引号字符……）最终都会出现乱码。查看@salah 的答案

@mzc 请将content.decode 评论直接添加到答案中。

@mzc, decode('latin1') 并不总是有效，如果 content-type 是text/html; charset=UTF-8，它会失败。

【参考方案2】：

另一种解决方案是使用response.text，它以unicode形式返回内容

Type:        property
String form: <property object at 0x7f76f8c79db8>
Docstring:  
Content of the response, in unicode.

If Response.encoding is None, encoding will be guessed using
``chardet``.

The encoding of the response content is determined based solely on HTTP
headers, following RFC 2616 to the letter. If you can take advantage of
non-HTTP knowledge to make a better guess at the encoding, you should
set ``r.encoding`` appropriately before accessing this property.

【讨论】：

这比接受的答案要好得多，因为它将使用适当的编码。

是的，这是文档中的建议：docs.python-requests.org/en/master/user/quickstart/…

【参考方案3】：

有r.text 和r.content。第一个是字符串，第二个是字节。

你想要

import json

data = json.loads(r.text)

【讨论】：

我有类似的问题，当我使用 r.text 时，它是空的。

那么可能服务器什么都没有返回。

我正在请求网页的源代码/HTML (dockethound.com)，当我使用 r.content 时，它会显示出来。