[已解决]053讲关于查看网站的编码

大忽悠喵

这段代码用来检测指定 URL 的编码
import urllib.request  
import chardet

def main():
    url = input("请输入URL：")

    response = urllib.request.urlopen(url)
    html = response.read()

    # 识别网页编码
    encode = chardet.detect(html)['encoding']
    if encode == 'GB2312':
        encode = 'GBK'

    print("该网页使用的编码是：%s" % encode)
        
if __name__ == "__main__":
    main()

运行程序后是
请输入URL：https://fishc.com.cn
该网页使用的编码是：Windows-1254

但是我查看网页的源代码里面写的是<meta http-equiv="Content-Type" content="text/html; charset=gbk" />，应该是gbk编码啊，为啥程序检测显示的是Windows-1254

最佳答案

月排行榜 / 总排行榜

ba21

2019-3-13 19:52:30

源码头中的编码不一定正确，网页加密传输后不可能是源码头中的编码。

所以识别后的编码为准，chardet识别可能也有很大的误差，推荐使用cchardet
代码：

1. import urllib.request  
   
2. import cchardet
   
3. 
   
4. def main():
   
5.     url = input("请输入URL：")
   
6. 
   
7.     response = urllib.request.urlopen(url)
   
8.     html = response.read()
   
9. 
   
10.     # 识别网页编码
    
11.     enc = cchardet.detect(html)
    
12.     enc = enc['encoding']
    
13.    
    
14.     print("该网页使用的编码是：%s" % enc)
    
15.         
    
16. if __name__ == "__main__":
    
17.     main()
    

复制代码

跳转到最佳答案楼层

ba21

源码头中的编码不一定正确，网页加密传输后不可能是源码头中的编码。

所以识别后的编码为准，chardet识别可能也有很大的误差，推荐使用cchardet
代码：

1. import urllib.request  
   
2. import cchardet
   
3. 
   
4. def main():
   
5.     url = input("请输入URL：")
   
6. 
   
7.     response = urllib.request.urlopen(url)
   
8.     html = response.read()
   
9. 
   
10.     # 识别网页编码
    
11.     enc = cchardet.detect(html)
    
12.     enc = enc['encoding']
    
13.    
    
14.     print("该网页使用的编码是：%s" % enc)
    
15.         
    
16. if __name__ == "__main__":
    
17.     main()
    

复制代码