前言

在互聯(lián)網(wǎng)的世界里，每個(gè)頁面都使用了編碼，但是形形色色的編碼讓我們的代碼何以得知其棉麻格式呢？charset將很好的解決這個(gè)問題。

1. chardet

chardet是Python社區(qū)提供了一個(gè)類庫包，方便我們在代碼中動(dòng)態(tài)檢測當(dāng)前頁面或者文件中的編碼格式信息。接口非常的簡單和易用。

Project主頁： https://github.com/chardet/chardet

本地下載地址：http://xiazai.VeVB.COm/201707/yuanma/chardet(VeVB.COm).rar

文檔主頁： http://chardet.readthedocs.io/en/latest/usage.html

2. 使用示例

Notice： 筆者使用的python 3.5 +

Case 1： 檢測特定頁面的編碼格式

import chardetimport urllib.requestTestData = urllib.request.urlopen('http://www.baidu.com/').read()print(chardet.detect(TestData))

輸出結(jié)果：

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

結(jié)果分析， 其準(zhǔn)確率99%的概率，編碼格式為utf-8

使用說明：detect（）為其關(guān)鍵方法

Case 2: 增量檢測編碼格式

import urllib.requestfrom chardet.universaldetector import UniversalDetectorusock = urllib.request.urlopen('http://yahoo.co.jp/')detector = UniversalDetector()for line in usock.readlines():detector.feed(line)if detector.done: breakdetector.close()usock.close()print(detector.result)

輸出結(jié)果：

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

說明： 為了提高預(yù)測的準(zhǔn)確性，基于dector.feed()來實(shí)現(xiàn)持續(xù)的信息輸入，在信息足夠充足之后結(jié)束信息輸入，給出相應(yīng)的預(yù)測和判斷。

如果需要復(fù)用detector方法，需要進(jìn)行detector.reset()進(jìn)行重置，從而可以復(fù)用。

Case 3: 在安裝chardet之后，可以基于命令行來檢測文件編碼

% chardetect somefile someotherfilesomefile: windows-1252 with confidence 0.5someotherfile: ascii with confidence 1.0

在系統(tǒng)層面，可以直接基于命令行來進(jìn)行文件編碼檢測，非常簡單易用。

3. 總結(jié)

chardet是非常易用和功能強(qiáng)大的Python包，相信大家在web世界中遨游之時(shí)，肯定會(huì)用上這個(gè)chardet的。 如有問題，歡迎大家反饋給我。

好了，以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對武林網(wǎng)的支持。