python字符串编码识别模块chardet简单应用

最新推荐文章于 2023-03-20 20:58:24 发布

原创

最新推荐文章于 2023-03-20 20:58:24 发布 · 695 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#编程语言 #python

有时候需要先检测一个文件的编码，然后将其转化为另一种编码。这时候就会用到chardet（chardet是python的一个第三方库，是非常优秀的编码识别模块）
python的字符串编码识别模块（第三方库）：

官方地址： http://pypi.python.org/pypi/chardet

import chardet
import urllib
  
# 可根据需要，选择不同的数据
TestData = urllib.urlopen('http://www.baidu.com/').read()
print chardet.detect(TestData)
  
# 运行结果：
# {'confidence': 0.99, 'encoding': 'GB2312'}
运行结果表示有99%的概率认为这段代码是GB2312编码方式。
  
import urllib
from chardet.universaldetector import UniversalDetector
usock = urllib.urlopen('http://www.baidu.com/')
# 创建一个检测对象
detector = UniversalDetector()
for line in usock.readlines():
# 分块进行测试，直到达到阈值
detector.feed(line)
if detector.done: break
# 关闭检测对象
detector.close()
usock.close()
# 输出检测结果
print detector.result
  
# 运行结果：
# {'confidence': 0.99, 'encoding': 'GB2312'}

应用背景，如果要对一个大文件进行编码识别，使用这种高级的方法，可以只读一部，去判别编码方式从而提高检测速度。如果希望使用一个检测对象检测多个数据，在每次检测完，一定要运行一下detector.reset()。清除之前的数据。
内容就以上怎么多，最后给大家推荐一个口碑不错的公众号【程序员学府】，这里有很多的老前辈学习技巧，学习心得，面试技巧，职场经历等分享，更为大家精心准备了零基础入门资料