【转载】python抓取网页时候，判断网页编码格式

在web开发的时候我们经常会遇到网页抓取和分析，各种语言都可以完成这个功能。我喜欢用python实现，因为python提供了很多成熟的模块，可以很方便的实现网页抓取。
但是在抓取过程中会遇到编码的问题，那今天我们来看一下如何判断网页的编码：
网上很多网页的编码格式都不一样，大体上是GBK,GB2312，UTF-8等。
我们在获取网页的的数据后，先要对网页的编码进行判断，才能把抓取的内容的编码统一转换为我们能够处理的编码，避免乱码问题的出现。

使用chardet模块

 1 #如果你的python没有安装chardet模块，你需要首先安装一下chardet判断编码的模块哦
 2 #author:pythontab.com
 3 import chardet
 4 import urllib
 5 #先获取网页内容
 6 data1 = urllib.urlopen(‘http://www.baidu.com‘).read()
 7 #用chardet进行内容分析
 8 chardit1 = chardet.detect(data1)
 9
10 print chardit1[‘encoding‘] # baidu

执行结果为：

gb2312

这个结果都是正确的哦，各位可以去亲自验证一下~~

原文地址：https://www.cnblogs.com/huochaihe/p/8366514.html