Python中使用Selenium保存含印地语字符的页面源码乱码问题

你的代码存在几个基础错误，直接导致了乱码和语法问题：

1. 错误调用页面源码属性：driver.page_source是属性而非方法，不需要加括号()，写成driver.page_source()会抛出异常，根本没正确获取到页面源码。
2. 变量名不一致：打开文件时赋值给了变量file，但写入时用的是a.write，这是明显的语法错误，会触发NameError。

另外，写入文件时未指定UTF-8编码，Python默认编码（如Windows环境下的gbk）无法正确处理印地语等非英文字符，这是乱码的核心原因。

正确写法1：文本模式指定编码 #

使用with语句自动管理文件生命周期，同时指定encoding='utf-8'确保字符编码正确：

with open('index.html', 'w', encoding='utf-8') as f:
    f.write(driver.page_source)

正确写法2：二进制模式编码写入 #

先将页面源码字符串编码为UTF-8字节流，再以二进制模式写入：

with open('index.html', 'wb') as f:
    f.write(driver.page_source.encode('utf-8'))

你之前尝试二进制写入无效，大概率是因为没修正driver.page_source()的调用错误，导致获取的内容本身就有问题。修正上述错误后，两种写法都能正常保存包含印地语和英语的页面源码，打开文件时也会以UTF-8编码解析，不会出现乱码。

内容的提问来源于stack exchange，提问作者Karan Gupta