爬虫问题

报错的异常是 

UnicodeDecodeError: ‘gbk’ codec can’t decode bytes in position 2-3: illegal multibyte sequence

【Python中如何处理UnicodeDecodeError和UnicodeEncodeError】

Unicode的解码（Decode）出现错误（Error）了

而对于上面这句，我们可以推断出：

你当前正在处理某种编码类型的字符串

此处你要处理字符串，是想要将该字符串去解码decode，变成Unicode

但是将该字符串解码变成Unicode期间，却出错了

（2）所用的是何种编码

好的，接着看上面的错误：

‘gbk’ codec can’t decode

使得错误信息更加明显了：

你此处，要将字符串解码为Unicode，是以gbk编码的方式去解码（该字符串变成Unicode）的

但是此处通过gbk的方式，却无法解码（can’t decode ）

注：此处的codec，意思是：编解码（器），是Python内部的模块，用来编码或解码（字符串）的

（3）错误位置

bytes in position 2-3

此处的信息，后续一般也很少用到。

有时候会用于定位具体错误的位置。

此处暂且忽略。

（4）错误的细节错误类型

illegal multibyte sequence

翻译为中文为：

非法的，多字节，序列

简单说就是：

没法（解码）了。

【原因及解决办法】

好了，针对于上面所分析出来的信息：

将一个字符串，通过gbk的方式，去解码，想要获得Unicode字符串，结果出错了

我们来说说原因和解决办法：

此种错误，有几种可能： 

（1）要处理的字符串本身不是gbk编码，但是你却以gbk编码去解码 

比如，字符串本身是utf-8的，但是你却用gbk去解码utf-8的字符串，所以结果不用说，则必然出错

则必然会出现这类的错误，说是，用gbk的方式去解码字符串，想要获得Unicode字符串，但是结果却解码出错了

解决办法：

如果你确定当前字符串，比如抓取网页通过charset=utf-8，已经确定html的字符串是utf-8的，

则可以直接去通过utf-8去解码。