python urllib2爬取网页，编码问题

 使用urllib2爬取网页时，由于网页编码和系统的编码不统一，会导致乱码问题。

一般linux系统都使用utf-8编码，将爬取的网页内容转换成utf-8编码，统一编码类型。

1）检测网页编码类型

2）编码转换

import urllib2
import chardet
if __name__=="__main__":
    url = "http://news.163.com/16/1030/20/C4LDRHVC000189FH.html"
    req = urllib2.Request(url)
    res = urllib2.urlopen(req)
    html = res.read()
    # 获取网页编码
   char_type = chardet.detect(html)
    print char_type
    # 非utf-8码
    if chardet["encoding"].lower() != 'utf-8':
        html = unicode(html, "gbk").encode("utf8")
    print html

编码类型gb2312的网页进行encode('utf-8')转码时，会出现错误。用gbk就会避免错误。