Python Requests 中文乱码处理与编码机制解析

Requests 响应机制与乱码成因

Requests 库在获取服务器响应时，会尝试根据 HTTP 头部信息推测内容的编码格式。若头部信息缺失或推测错误，Requests 默认使用 ISO-8859-1 编码进行解码。当服务器实际返回的是 UTF-8 或其他包含中文的编码格式时，这种不匹配的解码方式会导致 r.text 返回乱码字符串。

r.text 与 r.content 的区别

理解乱码问题的关键在于区分 r.text 和 r.content 的数据类型与用途：

• r.text：返回 Unicode 类型的字符串。Requests 会根据推测的编码（通过 r.encoding 查看）将字节流解码为字符串。适用于直接获取文本内容。
• r.content：返回 bytes 类型的原始字节数据。Requests 不进行任何解码操作。适用于获取图片、文件二进制数据或需要手动指定编码的场景。

解决方案：修正编码与手动转换

解决中文乱码主要有两种路径：通过 Requests 属性修正编码，或手动将字节转换为字符串。

方法一：通过 r.encoding 指定编码

这是最推荐的做法。在访问 r.text 之前，手动将 r.encoding 设置为服务器实际的编码格式（通常为 'utf-8'）。Requests 随后会使用指定的编码重新解码内容。

import requests

response = requests.get('http://example.com')
# 手动指定编码为 utf-8
response.encoding = 'utf-8'
# 此时 r.text 将正确显示中文
print(response.text)

方法二：使用 r.content 手动解码

若需获取原始字节数据并手动控制解码过程，可使用 r.content。由于 r.content 返回的是 bytes 类型，需将其转换为 str。

以下是两种常见的转换方式：

1. 使用 str() 构造函数：直接指定编码格式。

html_bytes = response.content
html_str = str(html_bytes, 'utf-8')

2. 使用 bytes.decode() 方法：支持指定错误处理策略（如忽略无法解码的字符）。

html_str = html_bytes.decode('utf-8', 'ignore')

总结

处理 Python Requests 中文乱码的核心在于确认服务器实际编码。优先通过 response.encoding = 'utf-8' 修正编码属性，再访问 r.text；或在必要时使用 r.content 配合手动解码逻辑。明确 r.text（Unicode 字符串）与 r.content（Bytes 数据）的区别，能有效避免编码转换错误。

以上就是 Python Requests 中文乱码处理与编码机制解析的详细内容，更多关于 Python Requests 编码解码的资料请关注本站其它相关文章！