meta 写 gbk 实际是 utf-8 抓下来中文全是乱码怎么判

r = requests.get(url)
print(r.encoding, r.apparent_encoding)
r.encoding = 'utf-8'
print(r.text[:50])

response.encoding 取到 gbk，text 里「中」变成三个怪字符，一条 20 字的标题错了 14 个字，手动按 utf-8 解码后完全正常。这类现象通常不是突然出现的，往前翻半天日志能看到苗头。

追下去是这么回事：requests 在没有响应头 charset 时会去猜，猜的依据就是 meta 标签，而这份页面转码时 meta 没跟着改。编码错了不抛异常，只会安静地把字节按错误方式拼成字符。

这次卡住的地方就在「页面编码误判」这一环，单独把它拎出来验证，别和其他改动混在同一次发布里。监控和日志的时间要对上，时区不一致会多绕很大一圈。

临时改动用注释写上日期和原因，过两周自己都记不清为什么这么写。动手前把原文件复制一份带时间戳，出问题立刻换回去，比现场分析快得多。

处理上按这个顺序：先看 Content-Type 里有没有 charset；没有就对比 apparent_encoding；用 content 手动 decode 指定编码；入库前加一道乱码字符比例校验。

确认没问题再收工，按 utf-8 解码后 200 条标题乱码 0 条，抽 20 条与浏览器显示逐字一致。