Python获取UTF-8编码HTML标题乱码，求解决方法

你的乱码问题根源是打开文件时未指定UTF-8编码——Python的open()函数默认使用系统编码读取文件，即便目标文档本身是UTF-8格式，也会因解码方式不匹配出现乱码。

直接修改open()函数，添加encoding='utf-8'参数即可解决：

from bs4 import BeautifulSoup

with open("index.html", encoding='utf-8') as file:
    src = file.read()

soup = BeautifulSoup(src, "lxml")
title = soup.title.text
print(title)

也可以通过读取字节流再手动解码的方式实现，效果一致：

from bs4 import BeautifulSoup

with open("index.html", 'rb') as file:
    src = file.read().decode('utf-8')

soup = BeautifulSoup(src, "lxml")
title = soup.title.text
print(title)

两种方法都能确保文件以UTF-8编码正确读取，从而获取正常的标题文本。

内容的提问来源于stack exchange，提问作者user18692348