深入理解 encoding 与 apparent_encoding

什么是 encoding 和 apparent_encoding？

在使用 Python 的 requests 库获取网页内容时，经常会遇到中文乱码问题。 这通常是因为响应的字符编码（character encoding）未被正确识别。

response.encoding 是 requests 根据 HTTP 响应头（如 Content-Type）推测的编码； 而 response.apparent_encoding 则是基于响应内容本身，通过 chardet 库进行检测得出的“最可能”的编码。

两者有何区别？

• encoding：依赖服务器返回的 HTTP 头信息，可能不准确或缺失。
• apparent_encoding：分析网页实际字节内容，更可靠但稍慢。

r = requests.get('https://example.com')
print(r.encoding)            # 可能输出 'ISO-8859-1'（默认）
print(r.apparent_encoding)   # 输出 'GB2312' 或 'GBK'

如何正确设置编码？

当发现 r.text 出现乱码时，可手动指定编码：

r = requests.get(url)
r.encoding = r.apparent_encoding  # 使用检测到的编码
print(r.text)

这样就能正确显示中文或其他非 ASCII 字符。

常见编码类型

Web 中常见的字符编码包括：

• UTF-8：国际通用，支持所有语言，推荐首选。
• GBK / GB2312：中文简体常用编码。
• Big5：繁体中文编码。
• ISO-8859-1：西欧语言，requests 默认回退编码。

小贴士：避免乱码的最佳实践

1. 优先使用 r.apparent_encoding 检测真实编码。
2. 若已知目标网站编码（如固定为 UTF-8），可直接设置 r.encoding = 'utf-8'。
3. 确保你的 Python 文件本身保存为 UTF-8 编码，并在文件开头添加 # -*- coding: utf-8 -*-（Python 2 需要）。