Python之动态检测编码chardet

引言：在互联网的世界里，每个页面都使用了编码，但是形形色色的编码让我们的代码何以得知其棉麻格式呢？charset将很好的解决这个问题。

1. chardet

chardet是Python社区提供了一个类库包，方便我们在代码中动态检测当前页面或者文件中的编码格式信息。接口非常的简单和易用。

Project主页： https://github.com/chardet/chardet

文档主页： http://chardet.readthedocs.io/en/latest/usage.html

2. 使用示例

Notice：笔者使用的Python 3.5 +

Case 1：检测特定页面的编码格式

import chardet

import urllib.request

TestData = urllib.request.urlopen('http://www.baidu.com/').read()

print(chardet.detect(TestData))

输出结果：

{'confidence': 0.99, 'encoding': 'utf-8'}

结果分析，其准确率99%的概率，编码格式为utf-8

使用说明：detect（）为其关键方法

Case 2: 增量检测编码格式

import urllib.request

from chardet.universaldetector import UniversalDetector

usock = urllib.request.urlopen('http://yahoo.co.jp/')

detector = UniversalDetector()

for line in usock.readlines():

detector.feed(line)

if detector.done: break

detector.close()

usock.close()

print(detector.result)

输出结果：

{'confidence': 0.99, 'encoding': 'utf-8'}

说明：为了提高预测的准确性，基于dector.feed()来实现持续的信息输入，在信息足够充足之后结束信息输入，给出相应的预测和判断。

如果需要复用detector方法，需要进行detector.reset()进行重置，从而可以复用。

Case 3: 在安装chardet之后，可以基于命令行来检测文件编码

% chardetect somefile someotherfile

somefile: windows-1252 with confidence 0.5

someotherfile: ascii with confidence 1.0

在系统层面，可以直接基于命令行来进行文件编码检测，非常简单易用。

3. 总结

chardet是非常易用和功能强大的Python包，相信大家在web世界中遨游之时，肯定会用上这个chardet的。如有问题，欢迎大家反馈给我。

欢迎大家关注我的头条号：程序加油站

Python之动态检测编码chardet相关推荐

Python不再为字符集编码发愁，使用chardet轻松解决你的困扰。
欢迎添加华为云小助手微信(微信号:HWCloud002 或 HWCloud003),输入关键字"加群",加入华为云线上技术讨论群:输入关键字"最新活动",获取华 ...
python第三方库-字符串编码工具 chardet 的使用（python3经典编程案例）
一. chardet介绍 chardet这个第三方库的使用非常容易,chardet支持检测中文.日文.韩文等多种语言. 字符串编码一直是令人非常头疼的问题,尤其是我们在处理一些不规范的第三方网页的时候 ...
python批量转换文件编码
python批量转换文件编码 3年之前 python 今天在 eclipse 中导入了个之前的 swing 项目,结果跑起来后乱码,检查代码发现竟然一部分 java 文件是 utf-8 编码, ...
python画曲线-python绘制动态曲线教程
从txt种获取数据并且通过动态曲线显示 import numpy as np import matplotlib.pyplot as plt import matplotlib.animation ...
使用Python和OpenCV检测图片上的条形码
这篇博文的目的是应用计算机视觉和图像处理技术,展示一个条形码检测的基本实现.我所实现的算法本质上基于StackOverflow 上的这个问题,浏览代码之后,我提供了一些对原始算法的更新和改进. 首先需 ...
python实现多语言语种识别_用Python进行语言检测
最近正好碰到这个需求,总结一下用Python进行语言检测的方法. 1.用unicode编码检测汉字.韩文.日文等都有对应的unicode字符集范围,只要用正则表达式匹配出来即可. 在判断的时候,往往 ...
python查看汉字的编码_python有关汉字编码问题
python分为:程序编码(python安装程序).文件编码. 查看程序编码方式:sys.getdefaultencoding() 查看文件编码方式:1.import chardet 2. f = ...
python 中文转unicode编码_python实现unicode转中文及转换默认编码的方法
本文实例讲述了python实现unicode转中文及转换默认编码的方法.分享给大家供大家参考,具体如下: 一.在爬虫抓取网页信息时常需要将类似"\u4eba\u751f\u82e6\u77e ...
python图片识别是否p过_用 Python 和 OpenCV 检测图片上的条形码
用 Python 和 OpenCV 检测图片上的的条形码这篇博文的目的是应用计算机视觉和图像处理技术,展示一个条形码检测的基本实现.我所实现的算法本质上基于StackOverflow 上的这个问题, ...
Python基础—Py字符编码
文章目录前言 1 计算机基础知识 2 文本编辑器存取文件的原理 3 python解释器执行.py文件的原理 4 总结python解释器与文件本编辑的异同一.字符编码介绍 1 什么是字符编码 2 P ...

Python之动态检测编码chardet

Python之动态检测编码chardet相关推荐

最新文章

热门文章