====== BeautifulSoup的编码处理 ======

BeautifulSoup内部使用的是Unicode，BeautifulSoup会自动检测输入文件的编码类型将其转换为Unicode。

===== BeautifulSoup编码检测顺序 =====
BeautifulSoup按下面的顺序检测编码：

  - 创建Soup对象时传递的 fromEncoding 参数；
  - XML/HTML文件自己定义的编码；
  - 文件开始几个字节所表示的编码特征，此时能判断的编码只可能是以下编码之一：UTF-*，EBCDIC，和ASCII。
  - 如果你安装了[[modules:chardet|chardet]]，BeautifulSoup会用chardet检测文件编码。
  - UTF-8
  - Windows-1252 

在BeautifulSoup的源文件中有这么一句代码：
<code python>
DEFAULT_OUTPUT_ENCODING = "utf-8"
</code>
说明BeautifulSoup默认输出编码是utf-8编码，大家在使用的时候需要注意这个。


===== BeautifulSoup中编码处理函数 =====
BeautifulSoup中的originalEncoding变量可以给出BeautifulSoup检测出的文件编码。

<code python>
import urllib2
from BeautifulSoup import BeautifulSoup

doc = urllib2.urlopen("http://www.pythonclub.org/")
soup = BeautifulSoup(doc)
soup.originalEncoding
#u'utf-8'
</code>

===== BeautifulSoup处理中文编码 =====