编码错误-网页内容

Question

我试图得到一个网页的内容和解析它比保存在mysql数据库。

我实际上是为一个编码为utf8的网页做的。

但是当我尝试使用8859-9编码网页时，我得到错误。

获取页面内容的代码:

def getcontent(url):
    opener = urllib2.build_opener()
    opener.addheaders = [('User-agent', 'Magic Browser')]
    opener.addheaders = [('Accept-Charset', 'utf-8')]   
    #print chardet.detect(response).get('encoding)
    response = opener.open(url).read()
    opener.close()
    return response

url     = "http://www.meb.gov.tr/duyurular/index.asp?ID=4"
contentofpage = getcontent(url)
print contentofpage
print chardet.detect(contentofpage)
print contentofpage.encode("utf-8")

页面内容输出:…E - titim Teknolojileri Genel M - l - l…

{'confidence': 0.7789909202570836, 'encoding': 'ISO-8859-2'}

Traceback (most recent call last):
  File "meb.py", line 18, in <module>
    print contentofpage.encode("utf-8")
    UnicodeDecodeError: 'ascii' codec can't decode byte 0xee in position 458: ordinal not     in range(128)

实际上这个页面是土耳其语页面，编码是8859-9。

当我尝试使用默认编码时，我看到的都是"而不是一些字符。如何将页面内容转换为utf-8或土耳其语(iso-8859-9)

当我使用unicode (contentofpage)

it get

Traceback(最近一次调用):文件"meb.py"，第20行打印unicode (contentofpage)UnicodeDecodeError: 'ascii'编解码器无法解码位置458的字节0xee:序数不在(128)范围内

Answer 1

我认为你想要解码，而不是编码，因为它已经编码了。

print contentofpage.decode("iso-8859-9")

产生如下示例:

Eğitim Teknolojileri Genel Müdürlüğü