爬取网页数据出现中文乱码 UTF-8中文乱码

在用python爬取网页数据时，获取的中文数据出现乱码情况

第一种情况：

      没有声明编码格式，即没有进行  encoding = 'utf-8'  编码声明

      例如下图，在获取数据中<span> 里中文出现乱码：

<li><em>00:00</em><span>±±Æ½Õ½ÓëºÍ(20)</span></li>
<li><em>00:10</em><span>±±Æ½Õ½ÓëºÍ(21)</span></li>
<li><em>00:57</em><span>±±Æ½Õ½ÓëºÍ(22)</span></li>

      这类解决办法是：加上 encoding = 'utf-8' 即可

s = requests.get(url)
s.encoding = 'utf-8'

第二种情况：

       已经进行编码声明 encoding = 'utf-8'  但还是出现中文乱码

       解决办法：检查网页编码，更正编码声明，如：encoding = 'GBK' 

       出现这样的情况时，就要检查一下抓取网页页面的编码格式，网页的编码不一定是  UTF-8 格式的，也有可能是 GBK、GB2312、GB18030等格式

     例如下图：     

s = requests.get(url)
s.encoding = 'GBK'

   声明编码为GBK格式后，数据中的中文数据恢复正常

 

<li><em>06:00</em><span>英雄出少年</span></li>
<li><em>07:00</em><span>大仓库</span></li>

 

如何查看网页编码格式

      一般在网页空白处 右键 查看 编码 即可

     

有的浏览器不支持的 可以用IE打开查看。