Python模塊Requests的中文亂碼問題

from：http://blog.csdn.net/chaowanghn/article/details/54889835

解決Requests中文亂碼

都在推薦用Requests庫，而不是Urllib，可是讀取網頁的時候中文會出現亂碼。

分析： 
r = requests.get(「http://www.baidu.com「) 
**r.text返回的是Unicode型的數據。 
使用r.content返回的是bytes型的數據。 
也就是說，若是你想取文本，能夠經過r.text。 
若是想取圖片，文件，則能夠經過r.content。**

獲取一個網頁的內容

方法1：使用r.content，獲得的是bytes型，再轉爲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 會自動解碼來自服務器的內容。大多數 unicode 字符集都能被無縫地解碼。請求發出後，Requests 會基於 HTTP 頭部對響應的編碼做出有根據的推測。當你訪問 r.text 之時，Requests 會使用其推測的文本編碼。你能夠找出 Requests 使用了什麼編碼，而且可以使用 r.encoding 屬性來改變它. 
可是Requests庫的自身編碼爲: r.encoding = ‘ISO-8859-1’ 
能夠 r.encoding 修改編碼

url='http://music.baidu.com'
r=requests.get(url)
r.encoding='utf-8'
print(r.text)

獲取一個網頁的內容後存儲到本地

方法1：r.content爲bytes型，則open時須要open(filename,」wb」)

r=requests.get("music.baidu.com")
html=r.content
with open('test5.html','wb') as f:
    f.write(html)

方法2：r.content爲bytes型，轉爲str後存儲

r = requests.get("http://www.baidu.com")
html=r.content
html_doc=str(html,'utf-8') #html_doc=html.decode("utf-8","ignore")
# print(html_doc)
with open('test5.html','w',encoding="utf-8") as f:
    f.write(html_doc)

方法3：r.text爲str，能夠直接存儲

r=requests.get("http://www.baidu.com")
r.encoding='utf-8'
html=r.text
with open('test6.html','w',encoding="utf-8") as f:
    f.write(html)

Requests+lxml

# -*-coding:utf8-*-
import requests
from lxml import etree

url="http://music.baidu.com"
r=requests.get(url)
r.encoding="utf-8"
html=r.text
# print(html)
selector = etree.HTML(html)
title=selector.xpath('//title/text()')
print (title[0])
結果爲：百度音樂-聽到極致

終極解決方法

以上的方法雖然不會出現亂碼，可是保存下來的網頁，圖片不顯示，只顯示文本。並且打開速度慢，找到了一篇博客，提出了一個終極方法，很是棒。

來自博客 
http://blog.chinaunix.net/uid-13869856-id-5747417.html的解決方案：

# -*-coding:utf8-*-

import requests

req = requests.get("http://news.sina.com.cn/")

if req.encoding == 'ISO-8859-1':
    encodings = requests.utils.get_encodings_from_content(req.text)
    if encodings:
        encoding = encodings[0]
    else:
        encoding = req.apparent_encoding

    # encode_content = req.content.decode(encoding, 'replace').encode('utf-8', 'replace')
    global encode_content
    encode_content = req.content.decode(encoding, 'replace') #若是設置爲replace，則會用?取代非法字符；


print(encode_content)

with open('test.html','w',encoding='utf-8') as f:
    f.write(encode_content)