字符集，编码，解码，中文乱码

字符集

ASCII

美国佬用的，1个字节表示那些英文字母啥的就够了

GBK

中国的，两个字节表示2w多汉字也够了

Unicode

万国符，4个字节，用来包含全世界所有的字符。

编码

编码就是将字符集中的数字，如a对应数字97，编成二进制码。

UTF-8

UTF-8是Unicode字符集的编码方案

from lxml import etree
import chardet
text = '''

    

         
第一 item
         
second item
         
third item
         
fourth item
         
fifth item
     
 
'''
html = etree.HTML(text)
result = etree.tostring(html,encoding='utf-8')
print(result.decode('utf-8'))

• result = etree.tostring(html,encoding=‘utf-8’)
  如果不加utf-8，它这里默认的是使用ascii进行编码，那么到时候解码时用utf-8解码就会出错。
• result.decode(‘utf-8’)
  这里要解码是因为，result是bytes类型，所以需要解码。
• 这里但凡有个utf-8没写，都会中文乱码