推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3163 天前的主题，其中的信息可能已经有所发展或是发生改变。
我用这段代码来获取网站的头信息，用来判断网页的文字编码，
import urllib.request
f = urllib.request.urlopen('http://www.163.com')
print (f.info())
能够识别出网易的文字编码是 GBK ，显示：
Content-Type: text/html; charset=GBK
但是换成了中华网时在头信息里就没有了文字编码信息，这是怎么回事呢？
如果不用 urllib.request 的 info()，其他的还有什么方法能够获得网站的文字编码？
对了，我用的是 python3.4 ，我知道在 python2 中可以使用 chardet 库，但现在还没有 chardet 的 3 版本。
import urllib.request
f = urllib.request.urlopen('http://www.163.com')
print (f.info())
能够识别出网易的文字编码是 GBK ，显示：
Content-Type: text/html; charset=GBK
但是换成了中华网时在头信息里就没有了文字编码信息，这是怎么回事呢？
如果不用 urllib.request 的 info()，其他的还有什么方法能够获得网站的文字编码？
对了，我用的是 python3.4 ，我知道在 python2 中可以使用 chardet 库，但现在还没有 chardet 的 3 版本。
 |
1
wlsnx 2016-03-31 10:19:20 +08:00
头信息是网站返回给你的， html 的 head 里面应该也有编码。
|
 |
2
omg21 OP @wlsnx 两个网站的页面文件里都有编码信息，但用 info()取的信息里有一个没有，我就是这里不明白，明明网页文件里有的，为什么信息里没有。
V2EX 好像没法贴图啊，能贴图就直观些了。 |
|
3
omg21 OP @wlsnx 而且我现在就需要判断头信息里的文字编码，因为如果不判断出来，就没法用正则表达式啊。我知道你的意思是从页面文件里取，但是在没有得到编码前，没办法转码啊，没法转码就没法用正则表达式，没法用下则表达式就取不出来页面。。。
|
|
4
wlsnx 2016-03-31 19:53:54 +08:00
头信息是网站返回给你的，甚至可以连 Content-Type 这一行都没有。获取不到编码的话，你可以按顺序尝试常用编码。
|
Select Language