python字符串编码识别模块chardet简单应用

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。