在python中使用urllib2解码问题

Question

我正在尝试在python 2.7中使用urllib2来从网上获取页面。该页面恰好以unicode（UTF-8）编码并具有希腊字符。当我尝试使用下面的代码获取并打印它时，我得到了胡言乱语而不是希腊字符。

import urllib2
print urllib2.urlopen("http://www.pamestihima.gr").read()

Netbeans 6.9.1和Windows 7 CLI中的结果相同。

我做错了什么，但是什么？

Answer 1

1. Unicode 不 UTF-8。 UTF-8是一种字符串编码，如ISO-8859-1，ASCII等。

2. 始终解码您的数据，以便从中获取真正的Unicode。 （'somestring in utf8'.decode('utf-8') == u'somestring in utf-8'），unicode对象为u''，而非''

3. 当您的数据离开应用时，请始终以正确的编码编码。对于Web内容，这主要是utf-8。对于控制台的东西，这是你的控制台编码。在Windows上，默认情况下不 UTF-8。

Answer 2

它也适合我打印。

检查您正在查看HTML源代码的程序的字符编码。例如，在Linux终端中，您可以找到“设置字符编码”并确保它是UTF-8。