python查网页源代码都是乱码怎么办

用Python抓网页，查网print出来全是页源乱码，这事我碰到过不下二十次。代码都乱别急着怀疑人生，码办九成情况是查网编码没对上。

先做个最直接的页源检查——看响应头里的charset。用requests库的代码都乱话，response.encoding这个属性经常是码办坑。网站返回的查网是UTF-8，但requests猜成了ISO-8859-1，页源你直接打印当然全乱。代码都乱这时候手动指定一下：response.encoding = 'utf-8'，码办再打印就正常了。查网我上个月爬一个政府公告站，页源就是代码都乱这毛病，改一行代码的事。

但有时候响应头里没写charset，或者写了假的。那就得从HTML源码里找。正则搜charset=或者encoding=，看看meta标签里写的啥。有个老门户网站，响应头说是gb2312，实际页面里写的是gbk，按gb2312解照样乱。这时候用response.content.decode('gbk', errors='ignore')，直接拿字节流自己解码，别信requests的自动判断。

还有一种更阴间的——页面里嵌了iframe或者动态加载的内容。你requests拿到的只是空壳HTML，真正的内容是JS跑出来的，那些字符本身没乱，是你没拿到。这种情况别折腾编码了，换selenium或者playwright上，渲染完再抓。

再说个实战细节。有时候打印到终端乱，但存文件就正常，或者反过来。这跟Python没关系，是你终端和文件系统的编码不一致。Windows下cmd默认gbk，你print UTF-8的中文当然花屏。解决办法：要么sys.stdout.reconfigure(encoding='utf-8')，要么干脆把结果写进文件，用编辑器打开看。

最后提个土办法，但真管用。用chardet库自动检测编码，虽然慢点，但能处理绝大多数情况。写个兜底逻辑：先试UTF-8，不行就chardet猜，再不行就gbk硬解。这套组合拳打下来，我这两年没再被乱码卡住过。

对了，别忘了看是不是gzip压缩没解。requests会自动解，但如果你用了urllib或者自己拼的http请求，没解压的话，二进制流直接decode肯定乱。检查一下Content-Encoding响应头，是gzip就先gzip.decompress()。

乱码这事，本质就是编码和解码对不上。你手里拿的是字节流，得找对钥匙才能打开。别慌，按顺序排查：响应头 → HTML声明 → 自动检测 → 手动指定。基本上三步之内能解决。