Re: [問題] Python urllib.urlopen 抓取有繁體網頁

[timTan (用口頭禪區分年記)]

※ 引述《bohan222 (哈哈哈)》之銘言：
: 請教大家
: Python 2.7.3 有使用下面utf-8的宣告

  宣告是說你的程式碼是  utf8.  跟你要抓的東西無關。

: #!/usr/bin/python
: # -*- coding: utf-8 -*-
: 問題:
: 使用 web     = urllib.urlopen(內容具有繁體中文的網站)
:      content = web.read()

   接下來的 content 只是一些無意義的 binary,
   一定要解碼，不解碼，不能看。

   而解碼的方式，推文已有。
   編碼有學問

   這篇 Joe 的文章一定要看過 http://bit.ly/14txdCm


: 想分析網頁內容為繁體的部分,結果繁體部分會變成亂碼,
: 似乎是ascii之類的編碼問題
: 想請教有人有遇過這類型問題嗎~謝謝

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 123.192.234.137
※ 編輯: timTan          來自: 123.192.234.137      (07/29 23:15)
→ bohan222:來研究一下這篇文章~~謝謝~
推 lc85301:用了linux發現副檔名不重要
→ lc85301:看了Joe發現文件編碼是你訂的lol
→ timTan:這就是重點，你不指定編碼，就是要炸!
推 WaiTingKuo:其是實是Joel XD stackoverflow的老闆
推 os653:對編解碼不熟還是先用Python3比較好，至少出錯相對明顯
→ timTan:上面提醒得真好 ~ Python 3 強迫你要弄懂編碼～
→ timTan:我也是用 Python3 以後才比較掌握編碼~