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）
（福利推荐：【腾讯云】服务器最新限时优惠活动，云服务器1核2G仅99元/年、2核4G仅768元/3年，立即抢购>>>：9i0i.cn/qcloud）
（福利推荐：你还在原价购买阿里云服务器？现在阿里云0.8折限时抢购活动来啦！4核8G企业云服务器仅2998元/3年，立即抢购>>>：9i0i.cn/aliyun）
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
这篇文章主要介绍了jupyter读取错误格式文件的解决方案，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了讲解Python中for循环下的索引变量的作用域,是Python学习当中的基础知识,本文给出了Python3的示例帮助读者理解,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了python中if和elif的区别，下面文章将举多个例子围绕if和eli的相关资料展开内容,需要的朋友可以参考一下，希望对你有所帮助2021-11-11
这篇文章主要介绍了Python实现七个基本算法的实例代码,代码简单易懂，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-10-10
python matplotlib 在指定的两个点之间连线方法
今天小编就为大家分享一篇python matplotlib 在指定的两个点之间连线方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
python?DataFrame数据分组统计groupby()函数的使用
在python的DataFrame中对数据进行分组统计主要使用groupby()函数，本文主要介绍了python?DataFrame数据分组统计groupby()函数的使用，具有一定的参考价值，感兴趣的可以了解一下2022-03-03
根据网站URL的规律编写的一个爬取天气网卫星图片的python爬虫，使用了requests包，感兴趣的朋友可以参考下2021-06-06
当我们用python进行数据处理时会遇到很多缺失值，对缺失值我们需要进行删除或者填补，本文主要介绍了pandas中NaN缺失值的处理方法，感兴趣的可以了解一下2021-05-05
Tensorflow2.1实现Fashion图像分类示例详解
这篇文章主要为大家介绍了Tensorflow2.1实现Fashion图像分类示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-11-11
这篇文章主要介绍了python标准库sys和OS的函数使用方法与实例详解,需要的朋友可以参考下2020-02-02
最新评论