编码 - Python 3.6中 ’utf-8’ codec can’t decode byte invalid start byte?

问题描述

Python 3.6中，网页信息解析失败，试了很多种编码，查看网页的编码方式也是utf-8。错误信息：’utf-8’ codec can’t decode byte 0x8b in position 1: invalid start byte?还有就是第一个print终端里打印出来的unicode内容是[b’x1fx8bx08x00x...]这种格式的，之前也有过这种情况，一个print打2个变量，就是b’x, 如果分来2行打又变回了汉字。是因为什么原因呢？

# -*- coding: utf-8 -*-import json , sqlite3import urllib.requesturl = (’http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7’)resp = urllib.request.urlopen(url)content = resp.read()print(content)print(type(content))print(content.decode(’utf-8’))

问题解答

看了一下网站返回的是gzip压缩过的数据，所以要进行解码

# coding=utf-8from io import BytesIOimport gzipimport urllib.requesturl = (’http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7’)resp = urllib.request.urlopen(url)content = resp.read() # content是压缩过的数据buff = BytesIO(content) # 把content转为文件对象f = gzip.GzipFile(fileobj=buff)res = f.read().decode(’utf-8’)print(res)

requests不好用吗？

建议用requeset，代码如下：

import requestsr = requests.get(’http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7’)print(r.text)回答4：

不是字符编码问题, 你看看你请求的 Respont headers

Status Code: 200 OK Access-Control-Allow-Headers: * Access-Control-Allow-Methods: * Access-Control-Allow-Origin: * Cache-Control: must-revalidate, max-age=300 Connection: Keep-Alive Content-Encoding: gzip Content-Length: 443 Date: Fri, 10 Mar 2017 03:20:46 GMT Fw-Cache-Status: hit Fw-Via: HTTP MISS from 58.59.19.99, DISK HIT from 183.131.161.27 Server: Tengine/2.1.2

是gzip, 如果用标准库的东西, 还需要把gzip 给解开