发帖
雷达卡
Python如何解决中文网页乱码
我们经常通过python做采集网页数据的时候，会碰到一些乱码问题，今天给大家分享一个解决网页乱码，尤其是中文网页的通用方法。
首页我们需要安装chardet模块，这个可以通过easy_install或者pip来安装。
安装完以后我们在控制台上导入模块，如果正常就可以。
比如我们遇到的一些ISO-8859-2也是可以通过下面的方法解决的。
直接上代码吧：
import urllib2
import sys
import chardet
req =urllib2.Request("http://www.163.com/")##这里可以换成http://www.baidu.com,http://www.sohu.com
content = urllib2.urlopen(req).read()
typeEncode = sys.getfilesystemencoding()##系统默认编码
infoencode =chardet.detect(content).get('encoding','utf-8')##通过第3方模块来自动提取网页的编码
html =content.decode(infoencode,'ignore').encode(typeEncode)##先转换成unicode编码，然后转换系统编码输出
print html
通过上面的代码，相信能够解决你采集乱码的问题。
Python 现场班 请点击https://bbs.pinggu.org/thread-3063306-1-1.html
京公网安备 11010802022788号
