Python_爬虫_中文乱码

今天在用Python2.7爬取百度百科的一个网页时发现输出时中文为乱码。
尝试一:
查看网页页面信息，发现其中文字编码为“GBK”，遂准备对其进行解码。

content = urllib2.urlopen(url).read().decode('gbk').encode('utf-8')

报错UnicodeDecodeError: ‘gbk’ codec can’t decode bytes in position 3681-3682: illegal multibyte sequence
尝试二：
百度之后发现有人说可能是网页信息是被gzip压缩的，需要先解压缩

import gzip, StringIO
html = gzip.GzipFile(fileobj=StringIO.StringIO(html), mode="r")
html = html.read().decode('gbk').encode('utf-8’)

报错说文本未被压缩
尝试三（成功）：
偶然间看到网上有个代码在decode中加了第二个参数’ignore’，尝试了下竟然成功了，原来是文本中有不属于gbk的编码，之前遇到时就会报错，但其实那些地方无关紧要，需要的信息正确就好。

content = urllib2.urlopen(url).read().decode('gbk','ignore').encode('utf-8')

另附：判断文本真实编码的代码：

import chardet
print chardet.detect(content)['encoding']