解决requests获取源代码时中文乱码问题

用requests获取源代码时，如果是中文网页，就可能会出现乱码，下面我以中关村的网站为例：

import requests

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

执行上面这个脚本你会看到中文部分都变成乱码。

print r.encoding

通过上面的代码你会发现从requests获取到的编码是ISO-8859-1，而该网页的编码是gb2312，所以打印出来的编码就都变成乱码了，那么该如何解决这个问题呢？

其实只需将编码设为gb2312即可，完整的代码如下：

import requests

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

有些童鞋喜欢用content来获取源代码，如果直接将上面代码中的text改为content的话，你会发现获取到的源代码依旧是乱码，所以上面的代码不适用于content方式获取源代码。

通过content获取源代码的童鞋可以看这里：

import requests
from lxml import etree

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