0
我在使用网站编码时遇到问题。我制作了一个程序来抓取一个网站,但我没有成功地改变收录内容的编码。我的代码是:检测并更改python中的网站编码
import sys,os,glob,re,datetime,optparse
import urllib2
from BSXPath import BSXPathEvaluator,XPathResult
#import BeautifulSoup
#from utility import *
sTargetEncoding = "utf-8"
page_to_process = "http://www.xxxx.com"
req = urllib2.urlopen(page_to_process)
content = req.read()
encoding=req.headers['content-type'].split('charset=')[-1]
print encoding
ucontent = unicode(content, encoding).encode(sTargetEncoding)
#ucontent = content.decode(encoding).encode(sTargetEncoding)
#ucontent = content
document = BSXPathEvaluator(ucontent)
print "ORIGINAL ENCODING: " + document.originalEncoding
我使用外部库(BSXPath BeautifulSoap的扩展)和document.originalEncoding打印网页的编码,而不是UTF-8编码,我试图改变。 有没有人建议?
感谢