Python-无法解码html（urllib）

我正在尝试将html从网页写入文件，但在解码字符时遇到问题：

import urllib.request

response = urllib.request.urlopen("https://www.google.com")

charset = response.info().get_content_charset()
print(response.read().decode(charset))

最后一行导致错误：

Traceback (most recent call last):
  File "script.py", line 7, in <module>
    print(response.read().decode(charset))
UnicodeEncodeError: 'ascii' codec can't encode character '\u015b' in 
position 6079: ordinal not in range(128)

---

发生了什么事？

您可以使用忽略无效字符

response.read().decode("utf-8", 'ignore')

除了

忽略

之外，还有其他选项，例如

替换

---

（还有字符串的

str.encode（encoding='UTF-8'，errors='strict'）

。

只需

print（response.read（））

就可以了。@如果我使用file.write（）函数，它需要字符串。为什么不以二进制模式打开文件呢？在

print（resp.info（）.get\u content\u charset（）时这样做可以吗？）

返回

无

？我不确定OP是否也看到了这个，因为他们将它存储在一个变量中。我承认它不是完全干净的。这意味着系统无法检测encodig，可能是因为它没有在头中明确说明。有关获取字符集的其他方法，请参见和。“一般来说，服务器可能对编码撒谎，或者根本不报告”。

response.read().decode("utf-8", 'ignore')