python字符串编码识别模块chardet简单应用

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。