在 Python 处理编码后显示到网页上出了点问题

首先我获取到了一个 gb2312 编码的网站部分内容 r，
如果直接 r.encode("gb2312")是可以在 ansi 的编码的网页上正常显示的。
但是我换了种方式，不用上面那个，直接 html.unescape （ r ），发现没有显性变化，
在 utf-8 网页上源码是转义的，比如<tr> 显示的是<tr>，
请问是出了什么问题，我该如何处理数据显示在 utf-8 的网页上。
第一次接触 python 的 web 应用，麻烦大家了！

编码

utf-8

Python

GB2312

12 replies • 2018-08-15 09:55:59 +08:00

ClutchBear

Aug 14, 2018

如果是 requests 获取的,
res.encoding = res.apparent_encoding
就行了

Topmax

Aug 14, 2018

@ClutchBear 不行呀，到 web 上显示的源码还是>这种转义的

imn1

Aug 14, 2018

问题就出在 html.unescape，这个就是转义啊

Topmax

Aug 14, 2018

@imn1 这个 html.unescape 是反转义，原来传过来的就是转义的，现在用反转义，结果和不用 html.unescape 显示的一样。

imn1

Aug 14, 2018

给个例子，说明编码，以及期望显示和编码

likuku

Aug 14, 2018 via iPhone

这是在作爬虫 /内容聚合吧？要是内容都自己从零生产，那么全栈使用 UTF-8 了事

Topmax

Aug 14, 2018

@ClutchBear
@imn1
@imn1
@likuku 爬取的内容为 b ‘'\r\n\t\t\t\t\t\t\t\t<TD>’这样的，需要显示到 en,utf-8 的网页上

imn1

Aug 14, 2018

内容是 bytes，你要先 decode
unecape(这里是 str)，没有报错么？

Topmax

Aug 14, 2018

@imn1 是这样的
r = res.encode("gb2312")
info = html.unescape(r)
return render.model(info)
这样写才报错 a bytes-like object is required, not 'str'，
去掉 encode("gb2312") 就不会报错，但<tr>这类应该转义回去的没转义

imn1

Aug 14, 2018

你逐行 print 结果把，我也不知道你这个 render.model 干了什么
print(info)

Topmax

Aug 15, 2018

@imn1 print 出来就是<tr>这种没转义的

Topmax

Aug 15, 2018

@imn1 直接 print(infoi)出来的就是<tr>这种正常的，问题应该处在 render,这是 web.py 的模板函数