在使用python爬取網頁時，經常會遇到亂碼問題，一旦遇到亂碼問題，就很難得到有用的資訊。本人遇到亂碼問題，一般有以下幾個方式：

1、檢視網頁原始碼中的head標籤，找到編碼方式，例如：

        在上圖中，可以看到charset='utf-8',說明這個網頁很大可能是採用‘UTF-8’編碼（是很大可能，但不是百分之百），因此可以試試這個編碼方式：

result = response.content.decode('utf-8')

        這種方式得到的內容基本上就不會亂碼

2、如果上述的方式沒有任何作用，頁面依然亂碼；或者在head標籤下並沒有找到charset屬性；或者我們要採集很多網頁的資訊，而且這些網頁的編碼方式不盡相同，我們不可能做到一個一個網頁的去檢視head標籤，那麼可以採用下面的方式解決亂碼。

    2.1 python 的 chardet庫

            可以使用下面的方式解決亂碼問題

result = chardet.detect(response.content)
print(result)

data = response.content.decode(chardet.detect(response.content)['encoding'])

{'confidence': 0.99, 'language': '', 'encoding': 'utf-8'}

            從輸出結果可以看出這是“猜測”編碼，猜測的方式是先收集各種編碼的特徵字元，根據特徵字元判斷，就能有很大概率“猜對”。

               這種方法的效率很低，如果採集的網頁很大，可以只猜測其中一段的原始碼，即

result = chardet.detect(response.content[:1000])

    2.2 response的編碼

       也可以使用另一種方法，即response自有的encoding,apparent_encoding這兩個變數。

    response.encoding一般是從response.headers中content-type欄位中的charset的值，其它情況我也不是很瞭解。

    response.apparent_encoding 一般是採用上述的 python 的 chardet庫這種方法。

    因此可以用下面的方式解決亂碼問題

data = response.content.decode(response.apparent_encoding)

3、一般情況下，上述兩個方法可以解決亂碼問題。但是如果上述兩個方式不能解決，那有可能是網頁的壓縮導致的。這種問題用下面的方法解決。

    檢查一下你寫的頭資訊是不是包含了Accept-Encoding這個欄位，如果有，請刪除這個欄位，亂碼問題就會得到解決

headers = {
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'zh-CN,zh;q=0.8',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Connection': 'keep-alive',
}