python处理抓取中文编码和判断编码的解决办法

这篇文章主要为大家详细介绍了python处理抓取中文编码和判断编码的简单示例，具有一定的参考价值，可以用来参考一下。

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 php教程|www.idcnote.com 


#coding:utf-8
import chardet
#抓取网页html
line = "http://www.idcnote.com"
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_512pic_com

注：关于python处理抓取中文编码和判断编码的简单示例的内容就先介绍到这里，更多相关文章的可以留意