17370845950

当使用 requests 获取含西里尔字母（如俄文）的旧式网页时，`response.text` 常因自动编码检测失败而乱码；应跳过 `text` 属性，直接用 `response.content` 结合 `cp1251`（windows-1251）解码，才能准确还原原始字符。

在爬取历史水利、气象或东欧/中亚地区老旧网站（如 http://www.cawater-info.net/karadarya/1991/veg1991.htm）时，常见响应头未声明 Content-Type 字符集，或错误声明为 ISO-8859-1，而实际内容采用 Windows-1251 编码（专为西里尔字母设计）。此时 requests 默认基于 HTTP 头或 HTML 标签推断编码（常误判为 ISO-8859-1 或 utf-8），导致 response.text 显示乱码。

✅ 正确做法是：忽略 response.text，改用 response.content（原始字节）手动解码：

import requests

url = "http://www.cawater-info.net/karadarya/1991/veg1991.htm"
response = requests.get(url)
# ❌ 错误：依赖自动编码（通常为 'ISO-8859-1' 或 None）
# print(response.text[:100])

# ✅ 正确：显式用 cp1251 解码原始字节
decoded_text = response.content.decode("cp1251")
print(decoded_text[:100])
# 输出：