打印的 html 返回乱码...而不是我期望在浏览器的“查看源代码”中看到的内容。
这是为什么呢？如何轻松解决？
感谢您的帮助。
使用 mechanize、curl 等实现相同的行为。
import urllib
import urllib2
start_url = "http://www.ncert.nic.in/ncerts/textbook/textbook.htm"
response = urllib2.urlopen(start_url)
html = response.read()
print html
【问题讨论】：
标签： python html urllib2 mechanize-python
我使用 curl 得到了同样的乱码
curl http://www.ncert.nic.in/ncerts/textbook/textbook.htm
结果似乎被压缩了。所以这为我显示了正确的 HTML。
curl http://www.ncert.nic.in/ncerts/textbook/textbook.htm | gunzip
以下是在 Python 中执行此操作的解决方案：Convert gzipped data fetched by urllib2 to HTML
由 OP 编辑：
看完上面的修改后的答案是：
import urllib
import urllib2
import gzip
import StringIO
start_url = "http://www.ncert.nic.in/ncerts/textbook/textbook.htm"
response = urllib2.urlopen(start_url)
html = response.read()
data = StringIO.StringIO(html)
gzipper = gzip.GzipFile(fileobj=data)
html = gzipper.read()
html 现在保存 HTML（打印出来查看）
【讨论】：
尝试请求。 Python Requests.
import requests
response = requests.get("http://www.ncert.nic.in/ncerts/textbook/textbook.htm")
print response.text
这是因为该站点使用 gzip 编码。据我所知，urllib 不支持放气，因此对于使用该编码的某些网站，您最终会得到压缩的 html 响应。您可以通过打印响应中的内容标头来确认这一点。
print response.headers
您会看到“内容编码”是 gzip 格式。为了使用标准 urllib 库解决这个问题，您需要使用 gzip 模块。 Mechanize 也这样做，因为它使用相同的 urllib 库。请求将处理此编码并为您很好地格式化。
【讨论】：