scrapy豆瓣登录响应结果乱码问题

深藏阁楼爱情的钟 2021-10-01 06:22 343阅读 0赞

在使用scrapy登录豆瓣时，发现其返回结果为乱码，使用各种方式对其response进行转码，均无效，spider代码如下：

import scrapy
    
    class DoubanSpider(scrapy.Spider):
        name = 'douban'
        allowed_domains = ['www.douban.com/people/210172987/']
        start_urls = ['https://www.douban.com/people/210172987/']
    
        def start_requests(self):
            url = "https://accounts.douban.com/j/mobile/login/basic"
            data = {
                "name":"138xxxxxx",
                "password": "xxxxxx",
                "remember": "false",
            }
            yield scrapy.FormRequest(url=url, formdata=data, callback=self.parse_login)
    
        def parse_login(self, response):
            print(response.text)

乱码如下：

![1174516-7926f887681ee813.jpg][]

Jietu20200203-135349.jpg

测试发现postman下结果是正常，经对比，发现其返回正文内容编码为`br`，如：`Content-Encoding: br`

**br 指的是 Brotli，是一种全新的数据格式，无损压缩，压缩比极高（比gzip高的）。**

默认环境没有提供`br`编码的支持，因此乱码。

其解决方法：

*  把默认header中的`Accept-Encoding`中的`br`去除
 *  提供`br`压缩格式支持。

解决方法一：把默认header中的`Accept-Encoding`中的`br`去除，结果如：

DEFAULT_REQUEST_HEADERS = {
        'Accept': 'application/json,text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
        'Accept-Language': 'zh-cn',
        'Accept-Encoding': 'gzip, deflate',
        'Connection': 'keep-alive',
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_2) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.4 Safari/605.1.15'
    }

解决方法二：提供`br`压缩格式支持： 安装`Brotli`，  
通过 pip安装即可，

pip install Brotli

因为默认scrapy中间件`scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware`对压缩内容提供了支持(包括br格式)，但环境默认没有提供`br`格式的解压包导致。

[1174516-7926f887681ee813.jpg]: /images/20210811/91275b13f7c04409a32114bf6b18c2a1.png