我爬的网页源码顶端写的是 <meta charset=”utf-8″>
我在浏览器打开源码看到我想要的信息也是中文,
不过在urllib2.urlopen(url).read()输出来的却是类似于
陈颖
这种unicode编码
然后我使用 .encode(‘utf-8’)也没有效果。。
请问该怎么转成中文?
(我的python程序是coding:utf-8)
import HTMLParser
h = HTMLParser.HTMLParser()
print h.unescape("陈颖").encode("utf-8")
陈颖
那可以试试这样:
>>> h = HTMLParser.HTMLParser()
>>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> print h.unescape('陈颖')
陈颖
&#开头都是HTTP转义的,可以用HTTPParser解码啊
正文完