直接教程

    s=requests.session()
    s.headers['Accept']='text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8'
    s.headers['Accept-Encoding']='gzip, deflate, br'
    s.headers['Host']='pan.baidu.com'
    s.headers['Accept-Language']='zh-CN,zh;q=0.9,en;q=0.8,ja;q=0.7,ko;q=0.6'
    s.headers['User-Agent']='zilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'

    response =s.get(urlsA[0])
    response.encoding = response.apparent_encoding
    data=response.text
 

教程詳解

當使用requests庫的時候，會出現中文亂碼的情況

參考程式碼分析Python requests庫中文編碼問題

      Python HTTP庫requests中文頁面亂碼解決方案！

分析

根據這兩篇文章可知：

    分析requests的原始碼發現，text返回的是處理過的Unicode型的資料，而使用content返回的是bytes型的原始資料。也就是說，r.content相對於r.text來說節省了計算資源，content是把內容bytes返回. 而text是decode成Unicode. 如果headers沒有charset字符集的化,text()會呼叫chardet來計算字符集，這又是消耗cpu的事情.

這裡測試使用電影天堂的網頁，因為網頁不太標準

輸出為

輸出了亂碼

response.encoding

從第二篇文章可以知道reqponse header只指定了type，但是沒有指定編碼(一般現在頁面編碼都直接在html頁面中)，查詢原網頁可以看到

再找一個標準點的網頁檢視，比如部落格園的網頁部落格園

response herders的Content-Type指定了編碼型別

《HTTP權威指南》裡第16章國際化裡提到，如果HTTP響應中Content-Type欄位沒有指定charset，則預設頁面是'ISO-8859-1'編碼。這處理英文頁面當然沒有問題，但是中文頁面，就會有亂碼了！

解決

如果在確定使用text，並已經得知該站的字符集編碼時，可以使用 r.encoding = ‘xxx’ 模式， 當你指定編碼後，requests在text時會根據你設定的字符集編碼進行轉換. 

使用apparent_encoding可以獲得真實編碼

這是程式自己分析的，會比較慢

還可以從html的meta中抽取

解決方法

這時候的輸出為