python2.7爬虫抓取gb2312为乱码,怎么解决

[O_Oomg]

代码如下 看的七月语法视频的，不知道问题出在哪里？？请指教下 谢谢各位

# coding=utf-8
import requests
import xml.etree.ElementTree as ET
from xml.parsers.expat import ParserCreate

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

class DefaultSaxHandler(object):
    def __init__(self, provinces):
        self.provinces = provinces

    # 处理标签开始
    def start_element(self, name, attrs):
        if name != 'map':
            name = attrs['title']
            number = attrs['href']
            self.provinces.append((name, number))

    # 处理标签结束
    def end_element(self, name):
        pass

    # 文本处理
    def char_data(self, text):
        pass
    
def get_province_entry(url):
    # 获取文本，并用gb2312解码
    content = requests.get(url).content.decode('gb2312')
    # 确定要查找字符串的开始结束位置，并用切片获取内容。
    start = content.find('<map name=\"map_86\" id=\"map_86\">')
    end = content.find('</map>')
    content = content[start:end + len('</map>')].strip()
    provinces = []
    # 生成Sax处理器
    handler = DefaultSaxHandler(provinces)
    # 初始化分析器
    parser = ParserCreate()
    parser.StartElementHandler = handler.start_element
    parser.EndElementHandler = handler.end_element
    parser.CharacterDataHandler = handler.char_data
    # 解析数据
    parser.Parse(content)
    # 结果字典为每一页的入口代码
    
    return provinces

provinces = get_province_entry('http://www.ip138.com/post')
print provinces

[O_Oomg]

引用 1 楼 u010099080 的回复:

我去掉了

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

运行没问题，下面是输出


另外建议最好不要使用 sys.setdefaultencoding

这个我去掉这个会提示 ascii问题

[stdcall_Jeremy]

decode('utf-8'),

[secsilm]

我去掉了

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

运行没问题，下面是输出


另外建议最好不要使用 sys.setdefaultencoding

[O_Oomg]

引用 3 楼 stdcall_Jeremy 的回复:

decode('utf-8'),

也报错了 说UnicodeDecodeError: 'utf8' codec can't decode byte 0xd3 in position 241: invalid continuation byte

[chuifengde]

decode('gb2312')后加上.encode('utf-8')

[黄哥Python培训]

你的代码没有问题，只是中文存在Python 容器中编码的问题。用循环输出一下，即可。

[O_Oomg]

引用 6 楼 xuxi_php 的回复:

你的代码没有问题，只是中文存在Python 容器中编码的问题。用循环输出一下，即可。

好的 谢谢

[O_Oomg]

引用 5 楼 chuifengde 的回复:

decode('gb2312')后加上.encode('utf-8')

谢谢了