pyquery中文乱码的问题

Question

生成的网页打卡乱码，但是url若换成www.baidu.com则正常，查看后发现贴吧编码是gbk,百度首页编码是gb2312。不知道是什么原因？

# -*- coding:utf-8 -*-
from pyquery import PyQuery as pq
import codecs

d = pq(url'http://tieba.baidu.com/f?kw=宋时行')
sep = d('body').html()
file = codecs.open('new.html', 'w', 'utf-8')
file.write(sep)
file.close()

Answer 1

第一，url里面汉字你使用urllib2.quote()转码下

d = pq(url'http://tieba.baidu.com/f?kw=' + urllib2.quote('宋时行'))

第二,load下来的页面要从gbk转到unicode码在转为utf-8

sep = d('body').html().decode('gbk').encode('utf-8')

你可以试试这，我用urllib2就是这样写的，没用过pyquery,所以具体不清楚