python urllib2爬取网页，编码问题

 使用urllib2爬取网页时，由于网页编码和系统的编码不统一，会导致乱码问题。

一般linux系统都使用utf-8编码，将爬取的网页内容转换成utf-8编码，统一编码类型。

1）检测网页编码类型

2）编码转换

import urllib2import chardetif __name__=="__main__":    url = "http://news.163.com/16/1030/20/C4LDRHVC000189FH.html"    req = urllib2.Request(url)    res = urllib2.urlopen(req)    html = res.read()    # 获取网页编码   char_type = chardet.detect(html)    print char_type    # 非utf-8码    if chardet["encoding"].lower() != 'utf-8':        html = unicode(html, "gbk").encode("utf8")    print html

编码类型gb2312的网页进行encode('utf-8')转码时，会出现错误。用gbk就会避免错误。