前言
在互联网的世界里,每个页面都使用了编码,但是形形色色的编码让我们的代码何以得知其棉麻格式呢?charset将很好的解决这个问题。
1. chardet
chardet是Python社区提供了一个类库包,方便我们在代码中动态检测当前页面或者文件中的编码格式信息。接口非常的简单和易用。
Project主页: https://github.com/chardet/chardet
本地下载地址:http://xiazai.jb51.net/201707/yuanma/chardet(jb51.net).rar
文档主页: http://chardet.readthedocs.io/en/latest/usage.html
2. 使用示例
Notice: 笔者使用的python 3.5 +
Case 1: 检测特定页面的编码格式
import chardet import urllib.request TestData = urllib.request.urlopen('http://www.baidu.com/').read() print(chardet.detect(TestData))
输出结果:
{'confidence': 0.99, 'encoding': 'utf-8'}
结果分析, 其准确率99%的概率,编码格式为utf-8
使用说明:detect()为其关键方法
Case 2: 增量检测编码格式
import urllib.request from chardet.universaldetector import UniversalDetector usock = urllib.request.urlopen('http://yahoo.co.jp/') detector = UniversalDetector() for line in usock.readlines(): detector.feed(line) if detector.done: break detector.close() usock.close() print(detector.result)
输出结果:
{'confidence': 0.99, 'encoding': 'utf-8'}
说明: 为了提高预测的准确性,基于dector.feed()来实现持续的信息输入,在信息足够充足之后结束信息输入,给出相应的预测和判断。
如果需要复用detector方法,需要进行detector.reset()进行重置,从而可以复用。
Case 3: 在安装chardet之后,可以基于命令行来检测文件编码
% chardetect somefile someotherfile somefile: windows-1252 with confidence 0.5 someotherfile: ascii with confidence 1.0
在系统层面,可以直接基于命令行来进行文件编码检测,非常简单易用。
3. 总结
chardet是非常易用和功能强大的Python包,相信大家在web世界中遨游之时,肯定会用上这个chardet的。 如有问题,欢迎大家反馈给我。
好了,以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对考高分网的支持。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)