问题根源
乱码的根本原因是 编码不一致。
- 服务器 发送数据时，使用了某种编码（
GBK）。 - 你的 Python 代码 在读取数据时，默认使用了另一种编码（通常是
requests推断的ISO-8859-1）。 - 当这两种编码不匹配时,解码后的自然就是一堆看不懂的乱码。
解决方案
下面我将从最简单、最推荐的解决方案开始,逐步介绍其他情况的处理方法。
使用 response.text 并手动指定编码（最推荐）
这是最直接、最常用的方法。requests 的 Response 对象有一个 encoding 属性,你可以直接设置它。
步骤：
-
检查服务器编码：服务器会在 HTTP 响应头中通过
Content-Type字段告诉客户端它使用了什么编码。Content-Type: text/html; charset=gbk,你可以先打印响应头来查看。 -
手动设置编码：在获取
response.text之前，将正确的编码赋值给response.encoding。
示例代码：
import requests
# 假设这是一个返回GBK编码内容的网站
url = 'http://example.com/some-gbk-encoded-page'
# 这里用知乎作为例子，它的部分页面是GBK编码
url = 'https://www.zhihu.com/question/278960545'
try:
response = requests.get(url)
# 1. 打印响应头，查看 Content-Type
print("原始响应头:")
print(response.headers)
print("-" * 30)
# 2. 如果看到 charset=gbk 或其他编码，就手动设置
# 即使 response.headers 里没有 charset，但你知道是GBK，也可以手动设置
response.encoding = 'gbk'
# 3. 现在再获取 text，就不会乱码了
html_content = response.text
# 打印前500个字符，检查是否正常
print(html_content[:500])
except requests.exceptions.RequestException as e:
print(f"请求失败: {e}")
为什么这是最佳实践？
因为 response.text 会自动帮你处理编码和解码，得到一个可以直接使用的字符串，而 response.content 是原始字节流，你需要自己处理编码，优先使用 response.text 并正确设置 encoding。
使用 response.content 并手动解码
如果你需要处理二进制数据（如图片、PDF），或者想更底层地控制解码过程，可以使用 response.content。response.content 返回的是原始的字节串（bytes），你需要用 .decode() 方法将其解码成字符串。
示例代码：
import requests
url = 'http://example.com/some-gbk-encoded-page'
try:
response = requests.get(url)
# response.content 是 bytes 类型
# 直接用 .decode() 指定正确的编码
html_content = response.content.decode('gbk')
# 打印前500个字符
print(html_content[:500])
except requests.exceptions.RequestException as e:
print(f"请求失败: {e}")
什么时候用这个？
当你明确需要字节流时（要把下载的图片保存到文件），或者当你对 response.text 的自动推断结果不满意,想完全掌控解码过程时。
让 requests 自动推断编码（不推荐用于已知乱码的情况）
requests 会尝试从响应头的 Content-Type 中提取 charset，如果找不到，它会默认使用 ISO-8859-1 编码来解码 response.text。ISO-8859-1 是一个“安全”的编码，因为它不会将任何字节解码成特殊字符,但几乎肯定不是你想要的中文编码。
这个方法只适用于服务器明确告知了正确编码的情况。
import requests
url = 'https://www.baidu.com' # 百度首页通常是UTF-8
try:
response = requests.get(url)
# 让 requests 自己去猜编码
# 如果服务器头里是 Content-Type: text/html; charset=utf-8，那就没问题
html_content = response.text
print(html_content[:500])
except requests.exceptions.RequestException as e:
print(f"请求失败: {e}")
如果服务器没有提供 charset，或者提供了错误的 charset，这个方法就会失败,导致乱码。
实战演练：一个典型的乱码问题
假设你爬取一个老旧的论坛,页面显示为乱码。
观察现象
import requests url = 'http://some-old-forum.com/article/123' response = requests.get(url) print(response.text) # 输出类似：´ÓÒâ´®ÄÚÈÝ´ó¶à...
调试：检查响应头
print(response.headers)
可能会看到类似这样的输出：
{
'Content-Type': 'text/html; charset=GBK', # <-- 找到了！是GBK
'Server': 'nginx/1.0.0',
...
}应用解决方案
在代码中添加一行，明确告诉 requests 使用 GBK 编码。
import requests url = 'http://some-old-forum.com/article/123' response = requests.get(url) # 关键的一行：手动设置编码 response.encoding = 'gbk' # 现在获取的内容就是正常的中文了 article_content = response.text print(article_content)
总结与最佳实践
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
response.encoding = '...' |
强烈推荐，当你知道或通过响应头推断出编码时。 | 简单、直接，response.text 返回可直接使用的字符串。 |
需要提前知道正确的编码。 |
response.content.decode('...') |
需要处理二进制数据，或想手动控制解码过程时。 | 灵活性高，能获取最原始的字节。 | 需要手动处理，代码稍显繁琐。 |
默认 response.text |
服务器明确提供了正确的 charset是标准文本（如UTF-8）。 |
代码最简洁。 | 对老旧或配置不当的服务器容易出错。 |
黄金法则：
- 遇到乱码，第一件事是
print(response.headers)，查看Content-Type里的charset。 charset是gbk,gb2312,big5等中文编码，立即使用response.encoding = 'gbk'来解决。- 如果没有
charset，但页面内容明显是中文，可以尝试常见的中文编码（如gbk,utf-8）进行测试。 - 优先使用
response.text，只在必要时使用response.content。
