python字符串编码识别模块chardet简单应用
更新时间：2015年06月15日 08:55:26 投稿：hebedich
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。
以上所述就是本文的全部内容了，希望大家能够喜欢。
您可能感兴趣的文章:
相关文章
在前面一篇文章中，我们对pandas做了一些入门介绍。本文是它的进阶篇。在这篇文章中，我们会讲解一些更深入的知识2018-04-04
这篇文章主要为大家详细介绍了Python实现的一些简单的文件操作合集，例如：文件的打开，关闭；文件的写入等，感兴趣的小伙伴可以了解一下2022-09-09
python输出当前目录下index.html文件路径的方法
这篇文章主要介绍了python输出当前目录下index.html文件路径的方法,涉及Python操作目录的相关技巧,需要的朋友可以参考下2015-04-04
Python程序包的构建和发布过程，本文通过示例代码给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友参考下吧2019-06-06
这篇文章主要介绍了Python中的类学习笔记,本文是个人学习总结,用实例讲解了类的定义、访问控制等内容,需要的朋友可以参考下2014-09-09
在本篇文章中小编给大家分享了关于python怎么安装requests库的知识点以及代码内容，有兴趣的朋友们学习下。2019-06-06
这篇文章主要介绍了python使用 zip 同时迭代多个序列,结合实例形式分析了Python使用zip遍历迭代长度相等与不等的序列相关操作技巧,需要的朋友可以参考下2019-07-07
本文主要介绍了Python TCP接收数据不全的问题解决，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
本文主要介绍了Appium自动化测试实现H5页面元素定位，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-02-02
这篇文章主要给大家介绍了关于如何利用Python读取微信朋友圈的多种方法,对于一个新手来说如果单独的去爬取朋友圈的话，难度会非常大,可以借鉴这篇文章的内容,需要的朋友可以参考下2021-08-08
最新评论