abstract：在web開發(fā)的時候我們經(jīng)常會遇到網(wǎng)頁抓取和分析，各種語言都可以完成這個功能。我喜歡用python實現(xiàn)，因為python提供了很多成熟的模塊，可以很方便的實現(xiàn)網(wǎng)頁抓取。但是在抓取過程中會遇到編碼的問題，那今天我們來看一下如何判斷網(wǎng)頁的編碼：網(wǎng)上很多網(wǎng)頁的編碼格式都不一樣，大體上是GBK,GB2312，UTF-8等。我們在獲取網(wǎng)頁的的數(shù)據(jù)后，先要對網(wǎng)頁的編碼進行判斷，才能把抓取的內(nèi)容的編碼統(tǒng)一轉(zhuǎn)換為我

在web開發(fā)的時候我們經(jīng)常會遇到網(wǎng)頁抓取和分析，各種語言都可以完成這個功能。我喜歡用python實現(xiàn)，因為python提供了很多成熟的模塊，可以很方便的實現(xiàn)網(wǎng)頁抓取。
但是在抓取過程中會遇到編碼的問題，那今天我們來看一下如何判斷網(wǎng)頁的編碼：
網(wǎng)上很多網(wǎng)頁的編碼格式都不一樣，大體上是GBK,GB2312，UTF-8等。
我們在獲取網(wǎng)頁的的數(shù)據(jù)后，先要對網(wǎng)頁的編碼進行判斷，才能把抓取的內(nèi)容的編碼統(tǒng)一轉(zhuǎn)換為我們能夠處理的編碼，避免亂碼問題的出現(xiàn)。

下面介紹兩種判斷網(wǎng)頁編碼的方法：

總結(jié)：第二個方法很準(zhǔn)確，在網(wǎng)頁編碼分析的時候用python模塊分析內(nèi)容是最準(zhǔn)確的，而使用分析meta頭信息的方法是不太準(zhǔn)確的。

方法一：使用urllib模塊的getparam方法    

import urllib
#autor：pythontab.com
fopen1 = urllib.urlopen('http://www.baidu.com').info()
print fopen1.getparam('charset')# baidu

方法二：使用chardet模塊     

#如果你的python沒有安裝chardet模塊，你需要首先安裝一下chardet判斷編碼的模塊哦
#author:pythontab.com
import chardet
import urllib
#先獲取網(wǎng)頁內(nèi)容
data1 = urllib.urlopen('http://www.baidu.com').read()
#用chardet進行內(nèi)容分析
chardit1 = chardet.detect(data1)  
print chardit1['encoding'] # baidu

 更多關(guān)于判斷網(wǎng)頁編碼的方法python版請關(guān)注PHP中文網(wǎng)（ipnx.cn）其他文章！