用python获取的网页源码怎么提取中文

一片模糊望尘世

当我获取源码html，type(html)返回<class 'bytes'>，然后我尝试html.decode()时报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb6 in position 275: invalid start byte。。。。。。怎么搞啊，想用re提取源码里的中文，或者怎么把网页已中文的形式保存下来？？？？？

杞人

不会python以前用VC写过一个 你需要吗？

一片模糊望尘世

杞人 发表于 2013-9-26 15:34

                               
登录/注册后可看大图

不会python以前用VC写过一个 你需要吗？

我主要还是想用python解决，因为我不仅仅需要保存网页，那样的话我大可以用浏览器保存。。。。。

福禄娃娃

楼主可参考下这篇文章用正则表达式匹配中文
http://www.blogjava.net/Skynet/archive/2009/05/02/268628.html

一片模糊望尘世

福禄娃娃 发表于 2013-9-27 23:26

                               
登录/注册后可看大图

楼主可参考下这篇文章用正则表达式匹配中文
http://www.blogjava.net/Skynet/archive/2009/05/02/268628.h ...

这个我也搜到看过了 我的问题已经解决了 是编码问题html.decode('GBK')就可以返回unicode的str了 还是谢谢你了