请教一下python爬虫的编码问题解决“思路”

Question

如果爬虫的response.text遇到乱码问题，应该用什么思路去找到正确的编码来解决问题呢？
请大佬指教

Answer 1

有个奇葩的思路我发现，做爬虫的时候大家都喜欢把request.headers照搬下来，我发现我照搬下来就会乱码，我我只留个user-agent和cookie反而不乱码了

Answer 2

我一般写爬虫的时候不会去特意指定编码，因为它网页的编码声明跟它实际网页的编码是不一致的。这就很头疼了。
为了应对这个问题，response对象有个属性可以根据网页中大部分编码分析出网站的编码方式，就可以获得网页的编码了。

import requests

def get_html(url):
    try:
        r = requests.get(url)
        r.encoding = r.apparent_encoding
        return t.text
    except Exception as e:
        print(e)
        return None

Answer 3

试试这个

pip install chardet

Answer 4

r = requests.get(url)
r.encoding = 'utf-8'
print r.text

Answer 5

找html的head，大部分网站的head都有编码

Answer 6

解码的时候使用response.text大概率会出问题，试一下用response.content。

response.encoding = response.apparent_encoding

也是个不错的选择