python2的urllib2读取网页乱码

Python利用urllib2抓取网页返回乱码的问题

http://wthrcdn.etouch.cn/weather_mini?citykey=101010100 这个天气预报接口，并没有meta指定编码。

又被服务器gzip压缩过。

因此直接读取出来的时候，乱码。

而且这里连英文都乱码，说明不是正常的编码。（我应该早点想到的）

解压缩后就好了。

ps:直接用requests不会出现这个问题。

参考：http://www.cnblogs.com/linn/p/4184254.html

很多乱码问题是编码造成的，一般对于中文网站基本是UTF-8,GB2312,可以GB18030通吃。

另一个造成乱码的原因是压缩格式，很多规模较大的网站都是以gzip的压缩格式输出页面的，所以在用BS解析之前需要先判断该网页是否经过压缩，如果经过压缩则先进行解压操作。

import urllib2
import gzip
import StringIO

url = 'http://wthrcdn.etouch.cn/weather_mini?citykey=101010100'
data = urllib2.urlopen(url).read()
data = StringIO.StringIO(data)
gzipper = gzip.GzipFile(fileobj=data)
html = gzipper.read()
print html