先在爬虫都在推荐用Requests库，而不是Urllib，但是读取网页的时候中文会出现乱码。
分析：
r = requests.get(“http://www.baidu.com“)
**r.text返回的是Unicode型的数据。
使用r.content返回的是bytes型的数据。
也就是说，如果你想取文本，可以通过r.text。
如果想取图片，文件，则可以通过r.content。**
获取一个网页的内容
方法1：使用r.content，得到的是bytes型，再转为str
url='http://music.baidu.com'
r = requests.get(url)
html=r.content
html_doc=str(html,'utf-8') #html_doc=html.decode("utf-8","ignore")
print(html_doc)
方法2：使用r.text
Requests 会自动解码来自服务器的内容。大多数 unicode 字符集都能被无缝地解码。请求发出后，Requests 会基于 HTTP 头部对响应的编码作出有根据的推测。当你访问 r.text 之时，Requests 会使用其推测的文本编码。你可以找出 Requests 使用了什么编码，并且能够使用 r.encoding 属性来改变它.
但是Requests库的自身编码为: r.encoding = ‘ISO-8859-1’
可以 r.encoding 修改编码
url='http://music.baidu.com' r=requests.get(url) r.encoding='utf-8' print(r.text)
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/1679/viewspace-2835602/ ，如需转载，请注明出处，否则将追究法律责任。
上一篇：
怎么用python写网站
下一篇：
一文让你深入了解Flask框架
请登录后发表评论
登录
全部评论
