python字符串编码识别模块chardet简单应用
(编辑:jimmy 日期: 2024/11/18 浏览:3 次 )
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。
下一篇:Python实现比较两个列表(list)范围