php判断网页编码,python判断网页编码的方法

在web开发的时候我们经常会遇到网页抓取和分析，各种语言都可以完成这个功能。我喜欢用python实现，因为python提供了很多成熟的模块，可以很方便的实现网页抓取。

但是在抓取过程中会遇到编码的问题，那今天我们来看一下如何判断网页的编码：

网上很多网页的编码格式都不一样，大体上是GBK,GB2312，UTF-8等。

我们在获取网页的的数据后，先要对网页的编码进行判断，才能把抓取的内容的编码统一转换为我们能够处理的编码，避免乱码问题的出现。

下面介绍两种判断网页编码的方法：

总结：第二个方法很准确，在网页编码分析的时候用python模块分析内容是最准确的，而使用分析meta头信息的方法是不太准确的。

方法一：使用urllib模块的getparam方法

import urllib

#autor：pythontab.com

fopen1 = urllib.urlopen('http://www.baidu.com').info()

print fopen1.getparam('charset')# baidu

方法二：使用chardet模块

#如果你的python没有安装chardet模块，你需要首先安装一下chardet判断编码的模块哦

#author:pythontab.com

import chardet

import urllib

#先获取网页内容

data1 = urllib.urlopen('http://www.baidu.com').read()

#用chardet进行内容分析

chardit1 = chardet.detect(data1)

print chardit1['encoding'] # baidu

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持PHP中文网。

更多python判断网页编码的方法相关文章请关注PHP中文网！

本文原创发布php中文网，转载请注明出处，感谢您的尊重！