◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
微博评论文本乱码：为什么爬取的微博评论全是杂乱字符，如何解决？
ID:19645 / 打印
获取微博评论文本不正常：杂乱字符和方向问题
在使用 requests 库爬取微博堕胎评论时，遇到了奇怪的字符串问题。提取到的字符串含有特殊字符“u200e”、“u202e”、“u202c”，在屏幕打印、pandas 数据框显示时正常，但下标访问或遍历时仍出现这些字符，且顺序混乱。
尽管微博网页和响应编码都为 utf-8，但为何会出现这种问题？
原因在于：
- “u202e”和“u202c”是方向格式控制符。
- “u202e”将后面字符从右向左显示，“u202c”取消这种格式。
解决方案：
使用正则表达式删除方向格式控制符，然后反转中间字符即可。
import re reversedRE = re.compile(r'u202E(.*?)(?:u202C|$)', re.DOTALL) s = 'u202Ecbau202Cdefu202Eihgu202C' print(s) s = reversedRE.sub(lambda m: m[1][::-1], s) print(s) # abcdefghi
