当使用 requests 获取含西里尔字母（如俄文）的旧式网页时，`response.text` 常因自动编码检测失败而乱码；应跳过 `text` 属性，直接用 `response.content` 结合 `cp1251`（windows-1251）解码，才能准确还原原始字符。

在爬取历史水利、气象或东欧/中亚地区老旧网站（如 http://www.cawater-info.net/karadarya/1991/veg1991.htm）时，常见响应头未声明 Content-Type 字符集，或错误声明为 ISO-8859-1，而实际内容采用 Windows-1251 编码（专为西里尔字母设计）。此时 requests 默认基于 HTTP 头或 HTML 标签推断编码（常误判为 ISO-8859-1 或 utf-8），导致 response.text 显示乱码。

✅ 正确做法是：忽略 response.text，改用 response.content（原始字节）手动解码：

html-ppt-to-pdf

将使用 `

` 约定的 HTML 幻灯片转换为高保真、矢量文本 PDF（使用 Playwright + Chromium 原生 PDF 功能）。

下载

import requests

url = "http://www.cawater-info.net/karadarya/1991/veg1991.htm"
response = requests.get(url)
# ❌ 错误：依赖自动编码（通常为 'ISO-8859-1' 或 None）
# print(response.text[:100])

# ✅ 正确：显式用 cp1251 解码原始字节
decoded_text = response.content.decode("cp1251")
print(decoded_text[:100])
# 输出：<title>Оперативные данные по водозаборам бассейна реки Карадарья на период вегетации 199</title>

⚠️ 注意事项：

• 不要对 response.text 再次 .encode()（如 text.encode('utf-8')），这会将已错误解码的字符串二次编码，加剧乱码；
• cp1251 与 windows-1251 等价，Python 中二者可互换使用；
• 若页面混合多种编码（极少见），可先用 chardet.detect(response.content) 探测，但对确定为俄文旧站，cp1251 是最可靠首选；
• 如需后续解析 HTML，推荐将解码后字符串传入 BeautifulSoup(..., from_encoding="cp1251") 或直接使用 bs4 的 response.content + 指定解析器（如 lxml 自动处理更好）。

总结：面对含西里尔字母的遗留网页，编码问题本质是「字节→字符串」转换失准。绕过 requests 的自动解码逻辑，坚持 content + 显式 decode("cp1251")，即可稳定获取可读文本。