Python学习记录二

今天在尝试使用Python抓取网页中内容的时候，遇到了一个问题-就是控制台中文输出乱码的问题。
解决如下：首先需要下载Python的第三方库chardet，下载地址为：http://download.youkuaiyun.com/download/aqwd2008/4256178 ，下载后解压，复制文件夹中的chardet文件夹到Python安装目录下的Lib的site-packages目录下。
然后实现转码，首先当然是引用库

import urllib
import re
import sys
import chardet

我们可以先了解自己系统默认编码方式和网页编码方式：

url = '要获取内容的网址....'
page = urllib.urlopen(url)
respond = page.read()
print 'System default encoding: ',sys.getfilesystemencoding()
print 'Html is encoding by : %',chardet.detect(respond)

从图片可知，系统默认编码方式为mbcs，网页编码方式为utf-8
所以，我们要实现转码：

respond.decode('utf-8').encode('mbcs')

字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。