怎么保存经过Gzip压缩的HTML源码？解压保存方法-html教程-PHP中文网

必须先解压gzip压缩流再保存为html文件，否则浏览器显示乱码或空白；唯一可靠判断依据是响应头content-encoding: gzip，而非文件后缀或肉眼判断。

怎么保存经过gzip压缩的html源码？解压保存方法

直接保存 Gzip 压缩的 HTML 源码（比如从抓包、爬虫或服务器响应中拿到的原始 Content-Encoding: gzip 数据），不能直接当 HTML 文件双击打开——它本质是二进制压缩流，不是可读文本。必须先解压，再保存为 .html 文件，否则浏览器会显示乱码或空白。

怎么判断响应是否真的是 gzip 压缩？

看 HTTP 响应头有没有 Content-Encoding: gzip。这是唯一可靠依据，不要凭文件后缀或肉眼是否“乱码”判断。

如果用 curl -I 或浏览器 DevTools 的 Network → Headers 标签页查不到这行，那数据根本没被 gzip 压缩，强行用 GZIPInputStream 或 gzip.decompress() 会报 Not in GZIP format
有些服务返回 Content-Encoding: br（Brotli），和 gzip 不兼容，需换用 brotli 或 zstandard 库
Transfer-Encoding: chunked 是分块传输机制，和压缩无关，别混淆

Python 解压并保存为 HTML 文件

适用于 requests 抓取、Wireshark 导出的 raw gzip 数据、或本地 .gz 文件。核心是：先解压字节流，再以 UTF-8（或页面实际编码）写入文件。

Html2md

使用 Readability + Turndown 将 HTML 页面转换为干净的、Agent 友好的 Markdown。去除导航栏、广告、页脚、Cookie 横幅、社交按钮等干扰元素。支持 URL...

下载

如果是 requests.Response 对象，且已确认 r.headers.get("Content-Encoding") == "gzip"：

import gzip
import requests
<p>r = requests.get("<a href="https://www.php.cn/link/b05edd78c294dcf6d960190bf5bde635">https://www.php.cn/link/b05edd78c294dcf6d960190bf5bde635</a>", headers={"Accept-Encoding": "gzip"})
if r.headers.get("Content-Encoding") == "gzip":
html_content = gzip.decompress(r.content).decode("utf-8")
else:
html_content = r.text</p><p>with open("page.html", "w", encoding="utf-8") as f:
f.write(html_content)
</p>

如果是本地 response.gz 文件：

import gzip
<p>with gzip.open("response.gz", "rb") as f:
html_content = f.read().decode("utf-8")  # 注意编码，部分页面用 GBK</p><p>with open("page.html", "w", encoding="utf-8") as f:
f.write(html_content)
</p>

如果解压后乱码，别硬调 decode("utf-8") ——先用 chardet.detect() 探测编码，或查响应头里的 charset（如 Content-Type: text/html; charset=gbk）

命令行快速解压保存（Linux/macOS/WSL）

适合处理 Wireshark 导出的 .gz 文件，或 curl 下载的压缩响应体。

用 gzip -d 解压并重定向输出：
```
gzip -d -c response.gz > page.html
```
其中 -c 表示输出到 stdout，避免覆盖原文件
如果只有原始二进制数据（无 .gz 后缀），但确认是 gzip 流，可用：
```
cat raw_data | gzip -d > page.html
```
注意：Windows 命令提示符不带 gzip，需装 Git for Windows、WSL 或用 7-Zip CLI：7z e -so archive.gz > page.html

Wireshark 导出 gzip HTML 的实操要点

Wireshark 本身不直接“解压显示”，而是靠导出 HTTP objects 自动识别并解压 gzip 内容。

过滤 HTTP 流后，右键某条 GET 请求 → Export Objects → HTTP…，在弹出窗口里勾选 “Reconstruct complete HTTP objects”
列表中能看到 Host、Content-Type、Content-Encoding 列，找到 Content-Encoding: gzip 那行，选中 → Save As，保存为 xxx.html
别用 “Follow TCP Stream” 然后手动复制——那里面是未解压的二进制，粘贴出来就是乱码
如果导出后仍是乱码，大概率是页面用了非 UTF-8 编码（如 GB2312），需用编辑器重新以对应编码打开再另存

真正容易被忽略的是编码探测和 Content-Encoding 的严格匹配——很多“解压失败”其实源于误判压缩类型，或解压后没按真实字符集解码。Gzip 只负责压缩字节，不携带编码信息，这两步必须分开处理、各自验证。