Node.js Request模块爬取网页乱码问题及解决方法
使用Node.js的request模块进行网页爬取时，经常会遇到HTML文本乱码的情况。本文将分析问题原因并提供有效的解决方法。
问题描述
代码示例：
立即学习“前端免费学习笔记（深入）”；
const request = require('request');
function getGoods() {
request('https://www.58moto.com/used-car/1470264', (err, res, body) => {
console.log(body);
});
}
getGoods();
预期结果：获取网页HTML源码。
实际结果：输出乱码文本，例如：
�z<[��zml�1;��g���j��4�~b��j��6^m=i���f}�\�e�ž�������������e�lc�1Ӟ��m�ή�ׅfm:�=^㱩zkg��l/l�t⏃���ͱ&�=,0���sc��������b}do��Ņfs�ze�9^i<�����涽 �/4��,�:�=�n��w�/����{���#�og�'?�f�tn��9{��ql�i5�481�4f�믬�hno7
...
问题根源分析
request模块默认使用iconv-lite库自动检测和解码HTML字符集。然而，iconv-lite在某些情况下无法准确识别字符集，导致解码失败，出现乱码。
解决方案
推荐使用axios库替代request，因为它提供更灵活的编码配置选项。
改进后的代码：
const axios = require('axios');
async function getGoods() {
try {
const response = await axios.get('https://www.58moto.com/used-car/1470264', {
responseType: 'document'
});
console.log(response.data);
} catch (error) {
console.error('Error fetching data:', error);
}
}
getGoods();
使用responseType: 'document'选项，axios会自动根据HTML文档中声明的字符集进行解码，有效避免乱码问题。 async/await语法使得代码更易读。 此外，添加了try...catch块来处理潜在的网络错误。
通过以上方法，可以有效解决Node.js爬虫中使用request模块获取HTML文本乱码的问题，确保爬取数据的正确性和完整性。
