关于编辑环境编码
首先要确保eclipse编辑器环境的编码为utf8&＃xff0c;这个是大前提&＃xff1b;其次如果py文件中含有中文字符的话&＃xff0c;需要在py文件中对编码进行声明。
1. 修改eclipse编辑器编码

a) window->preferences->general->editors->text editors->spelling->encoding->UTF-8
b) window->preferences->workspace->text file encoding->UTF-8
c) 打开eclipse安装目录->eclipse.ini&＃xff0c;末行加上”-Dfile.encoding&＃61;UTF-8”

2. 修改python文件编码声明
在py文件首行加上#coding&＃61;utf-8&＃xff0c;一定要在首行才可以

关于网页字符编码
完成以上两点&＃xff0c;对本地中文字符处理没有问题了。但是有时我们需要处理网页上的中文字符&＃xff0c;比如读取网页、对网页内容进行抓取&＃xff0c;那么仅仅做到上面两点是不够了。还需要用到decode和encode

decode与encode 是一对相反的方法。decode是解码&＃xff0c;比如网页采用的是gb2312编码格式&＃xff0c;那么通过read()方法读取页面内容之后&＃xff0c;使用str.decode(‘gb2312′)就是将页面内容解码为unicode编码&＃xff1b;encode正好相反&＃xff0c;它是将unicode编码为指定的格式&＃xff0c;如果之前已经通过decode解码为unicode&＃xff0c;str.encode(‘utf8′)即将str编码为utf8格式。

所以自然我们就有了在eclipse中正确显示网页内容的方法。比如网页采用的gb2312编格式&＃xff0c;eclipse环境已经调整为utf8编码&＃xff0c;如果直接read()出来&＃xff0c;在eclipse中显示的是乱码&＃xff1b;如果在read()之后加一道工序&＃xff0c;显示就正常了&＃xff0c;如下:

1
html&＃61;f.read().decode(&＃39;gb2312&＃39;).encode(&＃39;utf8&＃39;)

使用Python抓取网页点这里

本文固定链接: http://robin.sh/html/733_python-eclipse-encoding.html | Robin