Python：查看文件的编码格式-chardet

其中， encoding 为检测出的编码， confidence 为可信度， language 是语言液裂。

另外一个例子：

检测的编码是GB2312，闹祥闭注意到GBK是GB2312的超集，两者是同一种编码，检测正确的宴塌概率是74%，language字段指出的语言是'Chinese'。

注意：chardet支持检测的编码列表请参考官方文档 Supported encodings 。

读取ANSI编码文件

建立一个文件test.txt，文件格式用ANSI，内容为:

abc中文

用Python来读取

# coding=gbk

print open("Test.txt").read()

结果：abc中文

读取utf-8编码文件没局（无BOM）

把文件格式改成UTF-8：

结果：abc涓 枃

显然，这里需要解码：

# -*- coding: utf-8 -*-

import codecs

print open("Test.txt").read().decode("utf-8")

结果：abc中文

读取utf-8编码文件（有BOM）

某些软件在保慧樱存一个以UTF-8编码的文件时，默认会在文件开始的地方插入三个不可见的字符（0xEF 0xBB 0xBF，即BOM）。在有些软件可以控制是否插入BOM。如果在有BOM的情况下，在读取时需要自己去掉这些字符，python中的枯碧让codecs module定义了这个常量：

python版本似乎太低了。我印象中国际编码支持似乎是版本高些才支持好些。也许python2.3以后，也许python2.5以后。

给你一个不是很准确的用法。你试试看。也许成。我一直是这么隐改如做的。

r=''

s=open("somefile.txt","rb").read() #如果改成read(4096)有可能不成功

for enc in ['euc', 'big-5', 'utf-8', 'sjis', 'gbk', 'gb18030', 'utf-16']:

try:

r=s.decode(enc).encode('sjis')

break

except:pass

就相当于全部试歼弯一遍，哪个能用就用哪个。这灶启个方法会存在两个错误。你自己试试。

---