golang 爬虫解决gbk编码转UTF-8

在用golang编写爬虫程序时，会碰见编码格式gb2312的页面。

网页页面上可以看出该页面字符编码为gb2312

而golang默认是支持UTF-8编码格式的，这样直接爬下来的结果会乱码。

使用 github.com/axgle/mahonia 这个包可以完成编码转换、

执行  go get github.com/axgle/mahonia 命令下载此包后，在%gopath%/src目录下会生产

github.com\axgle\mahonia

 

代码使用方法

1)导入包

import "github.com/axgle/mahonia"

2)转换函数

func ConvertToString(src string, srcCode string, tagCode string) string {

    srcCoder := mahonia.NewDecoder(srcCode)

    srcResult := srcCoder.ConvertString(src)

    tagCoder := mahonia.NewDecoder(tagCode)

    _, cdata, _ := tagCoder.Translate([]byte(srcResult), true)

    result := string(cdata)

    return result

}

 

3）在需要字符串转换编码的位置调用此函数

result = ConvertToString(html, "gbk", "utf-8")