前言

在互聯網的世界里，每個頁面都使用了編碼，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將很好的解決這個問題。

1. chardet

chardet是Python社區提供了一個類庫包，方便我們在代碼中動態檢測當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.jb51.net/201707/yuanma/chardet(jb51.net).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))

輸出結果：

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

結果分析， 其準確率99%的概率，編碼格式為utf-8

使用說明：detect（）為其關鍵方法

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)

輸出結果：

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

說明： 為了提高預測的準確性，基于dector.feed()來實現持續的信息輸入，在信息足夠充足之后結束信息輸入，給出相應的預測和判斷。

如果需要復用detector方法，需要進行detector.reset()進行重置，從而可以復用。

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

在系統層面，可以直接基于命令行來進行文件編碼檢測，非常簡單易用。

3. 總結

chardet是非常易用和功能強大的Python包，相信大家在web世界中遨游之時，肯定會用上這個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容了，希望本文的內容對大家的學習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，謝謝大家對武林站長站的支持。