python 编码(encoding和apparent

• encoding是从http中的header中的charset字段中提取的编码方式，若header中没有charset字段则默认为ISO-8859-1编码模式，则无法解析中文，这是乱码的原因。
• apparent_encoding会从网页的内容中分析网页编码的方式，所以apparent_encoding比encoding更加准确。当网页出现乱码时可以把apparent_encoding的编码格式赋值给encoding。

编码很重要：如果网页编码方式是ISO-8895-1,那么用r.text查看的是乱码。r.encoding只是分析网页的头部，猜测编码方式，而r.apparent_encoding则是实实在在根据网页内容分析编码方式。所以，在爬虫程序中，经常使用r.encoding = r.apparent_encoding,来直接获取网页的编码。

import requests

url = "http://www.baidu.com/"
r = requests.get(url)
print(r.text)

print(r.encoding)  # ISO-8859-1  # 只是分析网页的头部，猜测编码方式
print(r.apparent_encoding)  # 则是实实在在根据网页内容分析编码方式

æ°é» hao123 å°å¾ è§é¢ è´´å§ æ´å¤äº§å

å³äºç¾åº¦ About Baidu

©2017 Baidu ä½¿ç¨ç¾åº¦åå¿è¯»  æè§å馠京ICPè¯030173å· 

解决乱码方案

print('-------------第一种方案 utf-8------------------------------------')
r.encoding = 'utf-8'
print(r.text)


print('-------------第二种方案 获取byte  类型-------------------------------------')
print(r.content.decode('utf-8'))  # decode是解码

 -------------第一种方案 utf-8------------------------------------

新闻 hao123 地图 视频 贴吧 更多产品

关于百度 About Baidu

©2017 Baidu 使用百度前必读  意见反馈 京ICP证030173号