python引包module出现No module named XXX，以及爬虫中文乱码问题

搞过其他开发语言的童鞋使用python引包，引用类文件或者方法都会觉得有些别扭吧。反正我是这么觉得的。

比如你有目录文件，结构如下：

首先项目下任何目录文件调用文件夹下面的文件，比如调用untils文件夹下面的os_utils.py，必须创建一个文件名为__init__.py的文件，即使是空文件。作用是声明该文件夹可以作为项目的目录使用。

现在 根目录下的文件引用文件夹download下的html_downloader.py文件。正常的情况下使用：

from download import html_downloader

但是 top_data下的spider_start.py 调用文件夹下面的html_downloader.py文件，如果使用：

from download import html_downloader 是不会报错的，但是执行if __name__ == "__main__" 主函数的话会报错： No module named XXX

网上解决该问题的方案很多，但是多少有效果。暂时我使用的方式是：

import os	#引入os
import sys	#引入sys
o_path = os.getcwd()	#获取项目的路径，这个路径是绝对路径，比如你的项目放在D盘根目录下，打印o_path的结果是D:\项目目录
sys.path.append(o_path)  #将该目录添加到该文件夹下，把当前目录当成根目录使用
from download import html_downloader #然后可以跟根目录下的文件一样使用这样的方式引用

但是此时 根目录下的文件比如strat.py文件引用download目录下的html_downloader.py 文件，就要改成下面这种方式：

import download.html_downloader as downloader #不知道是为什么？没弄明白

这样的方式是目前唯一发现的可行的方案。也许有更好的方式，希望大神们在下面指教。

另外 使用 from .. import download.html_downloader的方式也会报错：E0402:Attempted relative import beyond top-level package，平常理解的..和.在python里都是不一样的。引包方式还是Java比较强大和人性化，不过毕竟python是解释型语言，需要更多的说明而不是写更多的代码。

最近在写一些东西用来方便自己，需要用到爬虫。也许你也用的到，也许也会碰到中文乱码问题。网络上的html大多使用utf-8编码，但是国内也有一些使用ISO-8859-1，gb2312，gbk等，遇到这种编码使用bytes(str， encoding=“gbk”) 由于GB18030>GBK>GB2312，转化GBK编码的页面使用gb18030比较可靠一些，在转str(btyes, encoding="utf-8)，麻烦而且效果不好，只有小部分页面能够转化成功。

A没有使用转码的效果，B使用bytes和str转码后的效果，C是我这次使用的方法：

上代码：

>>>>阅读全文