Python lxml.html解析和带请求的utf-8

我使用请求检索包含一些unicode字符的url，并希望对其进行一些处理，然后将其写出

r=requests.get(url)
f=open('unicode_test_1.html','w');f.write(r.content);f.close()
html = lxml.html.fromstring(r.content)
htmlOut = lxml.html.tostring(html)
f=open('unicode_test_2.html','w');f.write(htmlOut);f.close()

在unicode_test_1.html中，所有字符看起来都很好，但在unicode_test_2.html中，一些字符变为乱码，这是为什么

然后我试着

html = lxml.html.fromstring(r.text)
htmlOut = lxml.html.tostring(html,encoding='latin1')
f=open('unicode_test_2.html','w');f.write(htmlOut);f.close()

它现在好像起作用了。但我不知道为什么会这样，总是用拉丁语？

---

r.text和r.content之间有什么区别，为什么我不能使用

encoding='utf-8'

写出html？

您没有指定是使用python 2还是3。根据使用的版本不同，编码的处理方式也不同。不管怎样，下面的建议或多或少是通用的

r.text和r.content的区别在于请求文档。Simply put请求将尝试为您找出字符编码，并在解码后返回Unicode。这是可以通过r.text访问的。要仅获取字节，请使用r.content

你真的需要掌握编码。阅读并观看以开始。另外，搜索“克服挫折：在python2中正确使用unicode”以获得更多帮助

只是澄清一下，它并不像总是使用一种编码而不是另一种编码那样简单。通过以字节为单位进行任何I/O来制作Unicode三明治，并在应用程序中使用Unicode。如果以字节（isinstance（mytext，str））开始，则需要知道解码为Unicode的编码，如果以Unicode（isinstance（mytext，Unicode））开始，则应编码为UTF-8，因为它将处理所有字符

确保你的编辑器、文件、服务器和数据库都配置为UTF-8，否则你会得到更多的“胡言乱语”

---

如果您需要更多帮助，请发布源文件和脚本输出。

您推荐的阅读/视频资源确实为我澄清了问题。谢谢