1.chardet庫的安裝與介紹
玩兒過爬蟲的朋友應該知道，在爬取不同的網頁時，傳回結果會出現亂碼的情況。比如，在爬取某個中文網頁的時候，有的頁面使用GBK/GB2312，有的使用UTF8，如果你需要去爬一些頁面，知道網頁編碼很重要的。
雖然HTML頁面有charset标簽，但是有些時候是不對的，那麼chardet就能幫我們大忙了。使用 chardet 可以很友善的實作字元串/檔案的編碼檢測。
如果你安裝過Anaconda，那麼可以直接使用chardet庫。如果你隻是安裝了Python的話，就需要使用下面幾行代碼，完成chardet庫的安裝。
pip install chardet 接着，使用下面這行代碼，導入chardet庫。
import 2.chardet庫的使用
這個小節，我們分3部分講解。
2.1 chardet.detect()函數
detect()函數接受一個參數，一個非unicode字元串。它傳回一個字典，其中包含自動檢測到的字元編碼和從0到1的可信度級别。
- encoding：表示字元編碼方式。
- confidence：表示可信度。
- language：語言。
光看這個解釋，大多數朋友可能看不懂，下面我們就用例子來講述這個函數。
2.2 使用該函數分别檢測gbk、utf-8和日語
檢測gbk編碼的中文：
str1 = '大家好，我是黃同學'.encode('gbk')
chardet.detect(str1)
chardet.detect(str1)["encoding"] 結果如下：
檢測的編碼是GB2312，注意到GBK是GB2312的父集，兩者是同一種編碼，檢測正确的機率是99%，language字段指出的語言是’Chinese’。
檢測utf-8編碼的中文：
str2 = '我有一個夢想'.encode('utf-8')
chardet.detect(str2)
chardet.detect(str2)["encoding"] 結果如下：
檢測一段日文：
str3 = 'ありがとう'.encode('euc-jp')
chardet.detect(str3)
chardet.detect(str3) 結果如下：
2.3 如何在“爬蟲”中使用chardet庫呢？
我們以百度網頁為例子，進行講述。
這個網頁的源代碼，使用的是什麼編碼呢？我們看看源代碼：
從圖中可以看到，是utf-8字元編碼。
如果不使用chardet庫，擷取網頁源代碼的時候，怎麼指定字元編碼呢？
import chardet
import requests
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
response = requests.get('https://www.baidu.com',headers=headers)
response.encoding = "utf-8"
response.text 結果如下：
你會發現：正确指定編碼後，沒有亂碼。如果你将編碼改為gbk，再看看結果。此時已經亂碼。
如果使用chardet庫，擷取網頁源代碼的時候，可以輕松指定字元編碼！
import chardet
import requests
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
response = requests.get('https://www.baidu.com',headers=headers)
# 注意下面這行代碼，是怎麼寫的？
response.encoding = chardet.detect(response.content)['encoding']
response.text 結果如下：