python chardet简单应用

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。