解決requests獲取源代碼時中文亂碼問題

用requests獲取源代碼時，如果是中文網頁，就可能會出現亂碼，下面我以中關村的網站為例：

import requests

url = 'http://desk.zol.com.cn/meinv/'
r = requests.get(url)
print r.text

執行上面這個腳本你會看到中文部分都變成亂碼。

print r.encoding

通過上面的代碼你會發現從requests獲取到的編碼是ISO-8859-1，而該網頁的編碼是gb2312，所以打印出來的編碼就都變成亂碼了，那么該如何解決這個問題呢？

其實只需將編碼設為gb2312即可，完整的代碼如下：

import requests

url = 'http://desk.zol.com.cn/meinv/'
r = requests.get(url)
r.encoding = 'gb2312'
print r.text

有些童鞋喜歡用content來獲取源代碼，如果直接將上面代碼中的text改為content的話，你會發現獲取到的源代碼依舊是亂碼，所以上面的代碼不適用於content方式獲取源代碼。

通過content獲取源代碼的童鞋可以看這里：

import requests
from lxml import etree

url = 'http://desk.zol.com.cn/meinv/'
r = requests.get(url)
code = r.content.decode('gb2312')
print code