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
|
1
2
3
4
|
import urllib#autor：pythontab.comfopen1 = urllib.urlopen('http://www.baidu.com').info()print fopen1.getparam('charset')# baidu |
方法二：使用chardet模块
|
1
2
3
4
5
6
7
8
9
10
|
#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.comimport 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服务器之家。
