Python Webscraping:解析中文字符时出现问题

Question

我正在抓取一个中文网站，通常解析中文字符是没有问题的，我使用bs4中的pattern函数来查找特定的urls。然而，对于这个特定的中文网站，汤不能被正确地解析。下面是我用来设置soup的代码：

start = f'http://www.shuichan.cc/news_list.asp?action=&c_id=93&s_id=210&page={1}'
r = requests.get(start)
soup = bs(r.content, "html.parser")

下面是一个打印出来的汤的例子：

Current soup

注意:我不得不添加一张图片作为Stack，尽管它是垃圾邮件:)

上面的代码应该如下所示：

Proper soup

我想知道我是否必须在请求中指定某种编码，或者在汤中指定某种编码，但到目前为止，我还没有找到任何可以工作的东西。

提前感谢！

Answer 1

我不懂中文。这样做能得到预期的结果吗？

import requests
from bs4 import BeautifulSoup as bs

start = f'http://www.shuichan.cc/news_list.asp?action=&c_id=93&s_id=210&page={1}'
r = requests.get(start)
soup = bs(r.content.decode('GBK', 'ignore'), "html.parser")

print(soup)