练习抓取网页时遇到的，如果是简书等这些标准网站，正常抓取是没问题的。但是很多网页竟然怎么抓取都是所有中文都乱码。弄的我还以为是python代码本身的encoding问题。最后才追溯到原来是出现在源头requests库里面。
参考这两篇文章，requests官方文档， 和，代码分析Python requests库中文编码问题，非常有参考性。
第二篇文章中看到，很多网页实际上并不都是utf-8的编码格式，还有很多是ISO-8859-1格式，如下图：
image
但是，其实不是网页本身的问题！我们查看网页本身的
headers发现，他们的charset值是utf-8，但是为什么用r.encoding()得到的却是ISO-8859-1呢？文章中指出原来是requests的bug，而且常年不解决。所以就需要我们自己来想办法。我们不能手动去检查每一个网页的编码啊，那样太麻烦了。
官方文档中出现了这么一小句话，非常重要，亲测有效：
image
虽然这句话不是为了处理网页的，但是
二进制！沿着这个思路，又在官网看怎么将网页获取为二进制模式的：
image
就是使用
r.content获取。
