在web開發的時候我們經常會遇到網頁抓取和分析，各種語言都可以完成這個功能。我喜歡用python實現，因為python提供了很多成熟的模塊，可以很方便的實現網頁抓取。
但是在抓取過程中會遇到編碼的問題，那今天我們來看一下如何判斷網頁的編碼：
網上很多網頁的編碼格式都不一樣，大體上是GBK,GB2312，UTF-8等。
我們在獲取網頁的的數據后，先要對網頁的編碼進行判斷，才能把抓取的內容的編碼統一轉換為我們能夠處理的編碼，避免亂碼問題的出現。

下面介紹兩種判斷網頁編碼的方法：

總結：第二個方法很準確，在網頁編碼分析的時候用python模塊分析內容是最準確的，而使用分析meta頭信息的方法是不太準確的。

方法一：使用urllib模塊的getparam方法    

import urllib#autor：pythontab.comfopen1 = urllib.urlopen('http://www.baidu.com').info()print fopen1.getparam('charset')# baidu

方法二：使用chardet模塊    

#如果你的python沒有安裝chardet模塊，你需要首先安裝一下chardet判斷編碼的模塊哦 #author:pythontab.comimport chardet import urllib#先獲取網頁內容data1 = urllib.urlopen('http://www.baidu.com').read()#用chardet進行內容分析chardit1 = chardet.detect(data1) print chardit1['encoding'] # baidu

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網。