Python 胡言乱语

我正在尝试从下面代码中的地址读取一些utf-8文件。它适用于大多数文件，但对于某些文件，urllib2（和urllib）无法读取

这里显而易见的答案是第二个文件已损坏，但奇怪的是IE读取这两个文件一点问题都没有。该代码已经在XP和Linux上进行了测试，结果相同。有什么建议吗

import urllib2
#This works:
f=urllib2.urlopen("http://www.gutenberg.org/cache/epub/145/pg145.txt")
line=f.readline()
print "this works: %s)" %(line)
line=unicode(line,'utf-8') #... works fine

#This doesn't
f=urllib2.urlopen("http://www.gutenberg.org/cache/epub/144/pg144.txt")
line=f.readline()
print "this doesn't: %s)" %(line)
line=unicode(line,'utf-8')#...causes an exception:

---

您请求的URL似乎引用了一个私有缓存。改为尝试（在中找到）

如果您确实想使用

/cache/

URL：服务器正在向您发送压缩数据，而不是unicode

urllib2

不要求Gzip数据，也不解码它，这是正确的行为。

---

有关如何解压缩，请参阅。

您知道这不是一个解决方案，但您应该查看库，无论您是否仍要使用urllib，都可以查看请求的源代码，以了解它如何处理utf-8字符串

>>> f=urllib2.urlopen("http://www.gutenberg.org/cache/epub/144/pg144.txt")
>>> f.headers.dict
{'content-length': '304513', ..., 'content-location': 'pg144.txt.utf8.gzip', 'content-encoding': 'gzip', ..., 'content-type': 'text/plain; charset=utf-8'}

设置阻止站点发送gzip编码响应的标头，或者首先对其进行解码