Python requests.get 返回乱码

Question

我正在尝试抓取以下网址：

link='https://www.opensubtitles.org/en/subtitleserve/sub/6646133'

当我做

html = requests.get(link)

它返回

html.content

乱码（从b'PK\\x03\\x04\\x14\\x00\\x00\\x00\\x08\\x00z\\x8c8Q\\xd5H\\xc5\\xd7\\xaf7\\x00\\x00\\xdf\\x95\\x00\\x00^\\x00\\x00\\x00 ...)

为什么我没有得到清晰的文本？

Answer 1

您可以使用zipfile解压缩它，然后检查文件名。 如果您有兴趣提取 srt 文件，以下将获得内容：

import requests, zipfile, io

r = requests.get("https://www.opensubtitles.org/en/subtitleserve/sub/6646133",
    headers = {
        "referer": "https://www.opensubtitles.org/en/subtitles/6646133/america-s-got-talent-audition-1-en"
})
z = zipfile.ZipFile(io.BytesIO(r.content))
filenames = z.namelist()
print(filenames)
srt_files = [t for t in filenames if t.endswith(".srt")]
for t in srt_files:
    content = z.read(t)
    print(content)

在 repl.it 上运行它