《Python网络爬虫从入门到实践 第2版》第10章 解决中文乱码

第10章　解决中文乱码

如果你经常使用Python编程，或者在前面的章节中已经多次使用Python练习网络爬虫技术，就不可避免地会遇到中文乱码的问题。中文乱码问题经常难以解决，或者治标不治本，本章就来解决这一难题。

本章主要介绍什么是字符编码、Python的字符编码是什么以及如何解决Python中文乱码的问题。

目录

第10章　解决中文乱码

10.1　什么是字符编码

10.2　Python的字符编码

10.3　解决中文编码问题

10.3.1　问题1：获取网站的中文显示乱码

10.3.2　问题2：非法字符抛出异常

10.3.3　问题3：网页使用gzip压缩

10.3.4　问题4：读写文件的中文乱码

10.4　总结

---

10.1　什么是字符编码

如果你已经使用Python编程了一段时间，就会发现Python的字符编码真是一件令人头痛的事情。

特别是当程序在运行的时候，突然冒出一个错误：

ValueError:Expected a bytes object,not a unicode object

或者在使用print打印结果的时候，突然冒出一个错误：

UnicodeDecodeError:'cp950'codec can't decode byte 0x96 in position 10:illegal multibyte sequence

这时，你可能马上使用百度或谷歌搜索解决方法，但是根据网上的方法即使解决了错误，但是很可能不知道为什么这个方法能够解决这个错误。这也是笔者之前经常遇到的问题，接下来就为读者介绍这些错误为什么发生，并提供解决方案，让你不再有此烦恼。

首先，从字符串编码说起，无论是Python 2还是Python 3