概述
在开发自用爬虫过程中，有的网页是utf-8，有的是gb2312,有的是gbk，如果不加处理，采集到的都是乱码，解决的方法是将html处理成统一的utf-8编码
版本python2.7
# @param python处理抓取中文编码和判断编码
# @author 编程之家 jb51.cc|jb51.cc
#coding:utf-8
import chardet
#抓取网页html
line = "http://jb51.cc"
html_1 = urllib2.urlopen(line,timeout=120).read()
encoding_dict = chardet.detect(html_1)
print encoding
web_encoding = encoding_dict['encoding']
#处理，整个html就不会是乱码。
if web_encoding == 'utf-8' or web_encoding == 'UTF-8':
html = html_1
else :
html = html_1.decode('gbk','ignore').encode('utf-8')
# End www.jb51.cc
总结
以上是编程之家为你收集整理的python处理抓取中文编码和判断编码的简单示例全部内容，希望文章能够帮你解决python处理抓取中文编码和判断编码的简单示例所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群