- 中文乱码处理
import requests
url = "http://www.baidu.com"
r = requests.get(url)
# 自动选择合适的编码方式
r.encoding = r.apparent_encoding
print(r.text)
中文乱码显示正常了！！
有时候，我们还会遇到通过这个操作后无法解决的情况，比如新浪首页的表现：
出现这种情况，据说是使用gzip将网页压缩了，必须先对其解码，使用r.content会自动解码：
import requests
url = "http://www.sina.com.cn/"
r = requests.get(url)
# 指定编码解码方式
html = r.content.decode('UTF-8')
# r.encoding = 'utf-8'
其实吧，处理的方式有很多，大家注意一点，那就是看请求的html数据中最前面对的charset设置的是啥！！
- html实体编码解析
In [1]: s = '目前玩的挺好的，就……<br>给四星是因为为什么不是同一个服的就不能进社团😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬'
#可以看到，有个'…'，这玩意是html实体表示省略号'...'，因此需要进行处理！
In [2]: import html
In [3]: html.unescape(s)
Out[3]: '目前玩的挺好的，就……<br>给四星是因为为什么不是同一个服的就不能进社团😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬😬'
