小白问一个 python 爬虫中文乱码的问题

[88]

encoding: utf-8

import sys
default_encoding = 'utf-8'
if sys.getdefaultencoding() != default_encoding:
    reload(sys)
    sys.setdefaultencoding(default_encoding)

import requests
r = requests.get("http://court.gov.cn/zgcpwsw/bt/xjscjsbtdseszjrmfy/wlmqkqrmfy/ms/201503/t20150313_6914630.htm")
print r.text.encode('utf-8')

这样输出的中文为乱码，试了网上的各种办法都没用。求问各位大大应该怎么解决。。。

[yangqi]

国内很多网站都是gbk或者gb2312的编码

[icedx]

你为什么要print 呢

[lixia625]

`import urllib
r = urllib.urlopen("http://court.gov.cn/zgcpwsw/bt/xjscjsbtdseszjrmfy/wlmqkqrmfy/ms/201503/t20150313_6914630.htm")
print r.read().encode('utf-8')
`
亲测不乱码

[lerry]

这样
#!/usr/bin/python
# coding: utf-8

import requests
r = requests.get("http://court.gov.cn/zgcpwsw/bt/xjscjsbtdseszjrmfy/wlmqkqrmfy/ms/201503/t20150313_6914630.htm")
print r.content

或者

#!/usr/bin/python
# coding: utf-8

import requests
r = requests.get("http://court.gov.cn/zgcpwsw/bt/xjscjsbtdseszjrmfy/wlmqkqrmfy/ms/201503/t20150313_6914630.htm")
r.encoding = "utf-8"
print r.text.encode('utf-8')

r.content 是网页原始编码，r.text 是decode后的内容，这个网页是utf-8编码，可以直接print

r.encoding = "utf-8" 手工设置编码，这样text会使用你设置的编码decode

另外，楼主开头几行改变默认编码是不建议的写法

[Sylv]

/t/172276

[ericls]

这样：
```
import requests
r = requests.get("http://court.gov.cn/zgcpwsw/bt/xjscjsbtdseszjrmfy/wlmqkqrmfy/ms/201503/t20150313_6914630.htm")
r.encoding = 'utf-8'
print r.text
```

[em70]

有些网页是经过gzip压缩的，要考虑解压问题，否则就是乱码

[bbking]

print乱码和console的编码有关，建议写到txt看看

[x14oL]

你是在cmd里面输出的吧？
如果是，因为win下cmd是cpXXX的字符集，所以会乱码的
需要decode一下

[raincen]

控制台下只能打印cp936编码，加上

import sys
import io

sys.stdout=io.TextIOWrapper(sys.stdout.buffer,encoding='utf8')

#...

[ming2281]

我一般: print(string.encode("utf-8"))