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
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2018-05-05python?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2022-03-03Tensorflow2.1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
最新评论