Python机械化:编码导致陌生字符

Question

下面是我的代码：

import re
import mechanize

br = mechanize.Browser()
br.open("http://www.douban.com/")
print br.title()

我访问的是一个中文网站，但返回的标题却是奇怪的字符，

我如何解决这个问题？

Answer 1

这是因为字符集问题。例如，在Python 3.x中：

>>> print("豆瓣".encode("utf8").decode('gbk'))
璞嗙摚

换句话说，serive中的内容"豆瓣“是用字符集"utf8”编码的。但是您的客户端尝试将其显示为字符集"gbk“。要解决这个问题，需要在这两个不同的字符集之间传输内容，比如br.title().encode('gbk').decode("utf8")

Answer 2

如果你只是做br.title()，它会给你特殊字符的unicode字符串。

print尝试通过编码Unicode字符串来显示非ASCII码字符。