python2.7 - python 中文写入文件后乱码

Question

一个很简单的小爬虫程序

    for i in L:
        content = urllib2.urlopen('http://X.X.X.X/cgi-bin/GetDomainOwnerInfo?domain=%s' %i)
        html = content.read()
        with open('domain_test.xml','a') as f:
            f.write(html)
            print html

print 的结果是中文：

<domaininfo strDomain="XXX.com." strOwner="XXX" strDepartment="云平台部" strBusiness="[互联网业务系统 - XXX" strUser="XXX;">

但直接打开xml文本的时候却是乱码：

<domaininfo strDomain="XXX.com." strOwner="XXX" strDepartment="云平台部" strBusiness="[互联网业务系统 - 第三方应用]" StrUser="XXX;">

Windows 7 操作系统，python 2.7

请问一下各位，这个问题如何解决？

Answer 1

1. 你需要知道内容的编码方式，并考虑是否要转换

2. 你需要用utf-8打开文件，然后写入

codecs.open(文件名, 模式[, 编码[, 错误[, 缓冲]]])

使用给定模式打开编码文件并返回包装版本
提供透明的编码/解码。默认文件模式是'r'
意思是以读取模式打开文件。

注意包装版本仅接受
编解码器定义的对象格式，即大多数内置编解码器的 Unicode 对象。输出也依赖于编解码器，并且通常也是 Unicode。注意 文件
始终以二进制模式打开，即使未指定二进制模式也是如此。这样做是为了避免由于使用 8 位值进行编码而导致数据丢失。这意味着在读取和写入时不会自动转换“n”。编码指定要用于文件的编码。可以给出错误来定义错误处理。它默认为
'strict'，这会在发生编码
错误时引发 ValueError。
缓冲与内置 open() 函数具有相同的含义。它
默认为行缓冲。

雷雷

Answer 2

试试在文件开头加上 # -*- coding: utf-8 -*-

Answer 3

在文件开头加上 #coding:utf-8