python 3读网页文件及保存成本地文件，遇到的编码问题

用python做网页爬虫，会要用到读网页文件，python可以想读本地文件那样读网页文件

读网页文件，要用到urllib.request包中的文件，因此需要首先导入

import  urllib.request

然后打开一个网页。

infile = urllib.request.urlopen("http://infohost.nmt.edu/tcc/help/pubs/tkinter/web/text-methods.html")

网页的地址必须要加“http://“

读网页文件。read()读出来的东西是bytes类型的，不是str，不信可以试试type(s)。可以用s.decode(“utf-8”)来将其转成str类型，之所以用utf-8，是因为一般的网页文件都是utf-8这个编码的

s = infile.read()

这个infile不需要close()

如果想把这个网页文件保存到本地，可以直接用二进制的编码方式打开一个本地文件，然后写入s就可以了

outfile = open("h2.html", "wb")
outfile.write(s)
outfile.close()

打开h2.txt，你会发现跟网页文件一样。为什么会这样了？h2.html用二进制方式写入的，应该是二进制文件啊，怎么是文本文件呢？

其实在电脑中，所谓二进制文件和文本文件，其实本质都是一样的，都是二进制文件，只不过对于所谓的文本文件，电脑自动用了某种编码方式翻译了该二进制文件。所以对h2.html写入二进制，与写入字符其实是一样的，当写入字符时还需要将其解码成二进制。python的文件IO其实就是把这个过程隐藏起来了而已。

其实你这样试一试

outfile = open("h1.txt", "wb")
s1 = bytes([65, 66, 67])
outfile.write(s)
outfile.close()

输出应该是

ABC

与你用

outfile = open("h1.txt", "w")
s1 = "ABC"
outfile.write(s)
outfile.close()

是一样的