Python判断网页编码

---

title: Python判断网页编码
copyright: true
top: 0
date: 2018-05-04 17:37:58
tags: 基础
categories: 爬虫笔记
permalink:
password:
keywords: [Python爬虫,编码]
description: 做爬虫或者测试的时候，返回网页的编码是个很让人头疼的问题，这篇文章做个网页编码问题解决方法总结。

有一种渴，只有酒才能滋润，这种渴就是孤独。

根据网页返回编码寻找数据

比如我要找到这个网页的标题，那么直接正则匹配就可以，但是许多时候因为编码问题requests这个库没办法正确解析，所以获取不到数据。

解决办法：

        r_port_top = requests.get(url=str('http://'+url), headers=headers, timeout=5)
        if r_port_top.encoding == 'ISO-8859-1':
            encodings = requests.utils.get_encodings_from_content(r_port_top.text)
            if encodings:
                encoding = encodings[0]
            else:
                encoding = r_port_top.apparent_encoding
            encode_content = r_port_top.content.decode(encoding, 'replace').encode('utf-8', 'replace')
            port_title = re.search('<title>(.*?)</title>', encode_content, re.S).group().replace('<title>',
                                                                                                 '').replace(
                '</title>', '')

这种办法就是先判断网页的编码，然后转换之。但是有的时候是utf-8编码就没办法，接下来来个终极版的。

    try:
        UA = random.choice(headerss)
        headers = {'User-Agent': UA}
        r_port_top = requests.get(url=str('http://'+url), headers=headers, timeout=5)
        if r_port_top.encoding == 'ISO-8859-1':
            encodings = requests.utils.get_encodings_from_content(r_port_top.text)
            if encodings:
                encoding = encodings[0]
            else:
                encoding = r_port_top.apparent_encoding
            encode_content = r_port_top.content.decode(encoding, 'replace').encode('utf-8', 'replace')
            port_title = re.search('<title>(.*?)</title>', encode_content, re.S).group().replace('<title>',
                                                                                                 '').replace(
                '</title>', '')
        e