Python chardet字符编码的判断

　　使用 chardet 可以很方便的实现字符串/文件的编码检测。尤其是中文网页，有的页面使用GBK/GB2312，有的使用UTF8，如果你需要去爬一些页面，知道网页编码很重要的，虽然HTML页面有charset标签，但是有些时候是不对的。那么chardet就能帮我们大忙了。

chardet的安装

　　pip install chardet

chardet实例

>>> import urllib

>>> rawdata = urllib.urlopen('http://www.google.cn/').read()

>>> import chardet

>>> chardet.detect(rawdata)

{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}

>>>

chardet可以直接用detect函数来检测所给字符的编码。函数返回值为字典，有2个元数，一个是检测的可信度，另外一个就是检测到的编码

chardet实例2

import requests

import chardet

response = requests.get(“http://www.baidu.com”)

encode = chardet.detect(response.content)   #response.content返回的是bytes型的数据, 如获取图片、文件

print(encode)

{'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

response.encoding = encode["encoding"]

print(response.text)       #response.text返回的是Unicode型的数据。 如获取文本

巴特西

Python chardet字符编码的判断

chardet的安装

最新文章

热门文章