西里尔字母ISO-8859-1编码问题解决方法

积累知识，胜过积蓄金银！毕竟在文章开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《处理含西里尔字母的 ISO-8859-1 编码网页响应问题，关键在于正确识别和转换字符编码。以下是一些常见的解决方法：1. 确认网页实际编码首先需要确认网页的实际编码是否为 ISO-8859-1（也称为 Latin-1），尤其是当页面中包含西里尔字母（如俄语、保加利亚语等）时。某些浏览器或服务器可能错误地声明了编码，导致解析失败。检查方式：查看网页的 标签。使用开发者工具（如 Chrome 的 F12 或 Firefox 的 Firebug）查看网络请求头中的 Content-Type 和 charset。2. 手动设置正确的编码如果发现网页的编码被错误地声明为 UTF-8 或其他格式，可以尝试手动设置为 ISO-8859-1。示例（Python 中使用 requests 库）：import requests response = requests.get('http://example.com') response.encoding = 'iso-8859-1' # 手动设置编码 content = response.text3. 使用第三方库进行编码转换如果网页内容本身是 ISO-8859-1，但你希望》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

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：

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：