python爬虫对于gb2312

标签：编码格式   content   htm   python爬虫   编码   value   pow   code   映射   

对于刚刚接触python爬虫的人，常常会碰到一个比较烦的问题，

如果网页是GB2312编码格式，我们直接decode（’GB2312‘）一般python都会报错：

GB2312不能编码该页面。

这就比较奇怪了

<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />

网页的charset明明是GB2312，却出错了。

事实上微软将 gb2312 和 gbk 统一映射为 gb18030，这个问题也比较无语大家可以参考：

http://powerelite.blog.163.com/blog/static/429658912014394820777/

python爬虫对于gb2312

标签：编码格式   content   htm   python爬虫   编码   value   pow   code   映射   

原文地址：http://www.cnblogs.com/jjj-fly/p/6696523.html