使用Urlretrieve下载TXT文件时常出现乱码，求解决方案

我之前也碰到过类似的情况，你遇到的乱码问题大概率是两个原因叠加导致的：服务器返回gzip压缩内容但未自动解压缩，以及文本编码不匹配。结合你说“偶尔正常多数乱码”，前者是主要诱因——目标站点会根据请求头动态返回压缩内容，urlretrieve默认不会处理压缩，直接把二进制压缩数据存成TXT，自然显示乱码。

下面是经过验证的修复方案，替换你原来的代码即可：

import urllib.request
import gzip
import os

# 模拟浏览器请求头，避免被服务器识别为爬虫
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36'
}

target_url = 'http://www.17500.cn/getData/ssq.TXT'
request = urllib.request.Request(target_url, headers=headers)

try:
    with urllib.request.urlopen(request) as response:
        # 检查响应是否为gzip压缩格式
        content_encoding = response.headers.get('Content-Encoding')
        if content_encoding == 'gzip':
            # 解压缩并按站点编码解码（实测该站点用GBK编码）
            content = gzip.decompress(response.read()).decode('gbk')
        else:
            content = response.read().decode('gbk')
        
        # 写入文件时指定对应编码，避免二次乱码
        with open('ssq.TXT', 'w', encoding='gbk') as output_file:
            output_file.write(content)
    print("文件下载保存成功！")
except Exception as e:
    print(f"下载过程出错：{str(e)}")

关键修复点说明： #

• 处理压缩内容：通过检查响应头的Content-Encoding字段，判断是否需要用gzip.decompress解压缩二进制数据，这解决了多数情况下的乱码问题。
• 指定正确编码：该站点的文本编码是GBK而非通用的UTF-8，无论解压缩还是写入文件都要明确指定编码，避免编码不匹配导致的乱码。
• 替代urlretrieve：urlretrieve属于较底层的工具，缺乏自动处理压缩、编码的能力，改用urlopen配合手动流程控制，能更稳定地处理这类动态响应。

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