python 中文亂碼出現，不知道是什麼原因？

用python寫了一個代碼，用Windows-cmd運行，中文部分出現亂碼：

1、代碼如下

2、結果如下：

---

請看類Linux下的代碼，你的問題是在windows下造成的。

怎麼破？

#coding:utf-8 修改為#coding:gbk

html = page.read()

修改為

html = page.read().decode(utf-8).encode(gbk)

小段代碼，建議完善幾個地方。

---

• 你要抓的網頁是utf8編碼的，所以你要先decode(utf8)轉成unicode

• print是用系統控制台輸出，必須要輸出它能兼容的格式，一般的中文windows都默認是gbk，但是因為你網頁內容有文字超過了gbk的編碼範圍，所以要用大一點的編碼gb18030

可以運行的測試代碼：

import urllib
s = urllib.urlopen(http://bj.58.com/hezu/25090223615153x.shtml).read()
print s.decode(utf8).encode(gb18030)


---

不需要改coding，更不需要換Linux。

問題原因有兩個：

1 urllib獲取的結果是位元組串，而不是字元串。

2 輸入文本到控制台時需要使用控制台可以兼容的字元編碼。

所以解決辦法是：

1 把urllib獲取的位元組串解碼，得到字元串。具體採用哪種編碼格式來解碼要看網頁。

2 把字元串編碼，編碼格式要用本地控制台兼容的編碼（比如gbk）。

---

首先在簡中 windows中，cmd終端默認使用的編碼為 cp936，可通過以下方式查看.

Python2的print在cmd時輸出時，能正常顯示的數據有兩種：

1. unicode類型（輸出時自動轉換成gbk編碼）

2. 以gbk編碼的str類型

如果遇到以utf-8編碼的str類型，就會出現亂碼

原來的URL失效了，我隨便拿了個地址測試，如

http://bj.58.com/hezu/?PGTID=0d100000-0000-1280-21bd-ea7721e52589ClickID=6

也出現了問題中的亂碼。

查看網頁源碼可以發現

網頁使用的是utf-8編碼，而 urllib的read返回的是str類型，也就是以utf-8編碼的str類型，因此出現了問題中的亂碼。前面幾個答案提到通過 .decode(utf-8).encode(gbk) 方式輸出，其實就是前面說的第2種數據（將網頁內容轉換為gbk編碼的str類型），這樣一來看似解決了亂碼，實際運行還是會遇到問題，例如輸出租房面積時，"m2" 中的上標2無法正確轉換

html = u15m2
print html.decode(utf-8).encode(gbk)

Traceback (most recent call last):
File "test.py", line 40, in &
print html.decode(utf-8).encode(gbk)
File "C:Python27libencodingsutf_8.py", line 16, in decode
return codecs.utf_8_decode(input, errors, True)
UnicodeEncodeError: ascii codec cant encode character uxb2 in position 3: ordinal not in range(128)


建議解決方法：

1. 換用支持utf-8的終端

2. 該方法實際同1：在cmd執行腳本前，執行 "chcp 65001" 將cmd臨時設為utf-8編碼，這樣可以直接print，不用再進行解碼編碼

---

先用瀏覽器查看該網頁是用什麼進行編碼的，然後在Python中用對應方式進行decode。

PS：

我只在Windows下寫Python遇到過中文亂碼，在Ubuntu下，從未遇到！！！！！！！

---

應該是你抓取的網頁使用UTF-8編碼，只需要用decode將UTF-8轉成Unicode。

---

主要原因在於：windows 下的cmd.exe的默認中文編碼是gbk。所以你的程序在pycharm等編輯器運行正常，而在CMD中變成亂碼。可以嘗試更改UTF-8為GBK就可以正常在CMD中顯示。但是，這種情況下，PYCHARM中又是亂碼了。或者你可以更改CMD的默認漢字編碼。

---

推薦閱讀：