先看这段代码:
import httplib2
conn = httplib2.Http()
res,content = conn.request("http://www.baidu.com")
print content.decode('utf-8').encode('gbk')
这里我们先 print type(content)可知content是一个str,
str,是一个字节数组,这个字节数组表示的是对unicode对象编码(utf-8、gbk、cp936、GB2312等)后的存储的格式,看好了,这个str是经过
编码后的格式了,因为百度设置的字符编码格式是utf8,所以我们先要解码utf8,既content.decode('utf8'),这个时候它已经变成一个完整的unicode
字节流了,然后在将他encode('gbk'),cmd就可以正确解释他了。
这里还有一个问题
用http请求得来的内容的编码要看网页设置的charset字符编码,
比如content它始终是charset编码,
但是如果定义,str = '你好',把文件保存成gbk编码,那么str是gbk编码,把文件保存成gbk编码方式意味着该文件的字符在内存中的存储方式是
gbk,然而content是从对方那获取的,当然要看对方文件的编码方式。
但是content依旧是utf8编码。