【Python入门】35.常用第三方模块之编码检测chardet

最新推荐文章于 2024-01-10 09:54:52 发布

三贝

最新推荐文章于 2024-01-10 09:54:52 发布

阅读量310

点赞数

分类专栏： Python入门学习笔记文章标签： chardet python

本文链接：https://blog.csdn.net/lecorn/article/details/82346845

版权

50 篇文章 4 订阅

订阅专栏

摘要：chardet是一个非常强大的编码检测模块

写在前面：为了更好的学习python，博主记录下自己的学习路程。本学习笔记基于廖雪峰的Python教程，如有侵权，请告知删除。欢迎与博主一起学习Pythonヽ(￣▽￣)ﾉ

摘要
本学习笔记基于廖雪峰的Python教程。欢迎与博主一起学习Pythonヽ(￣▽￣)ﾉ
本节内容：

常用第三方模块

有时候，我们并不知道这个bytes的编码是什么，不能用对应的decode来进行解码。

chardet的作用是可以检测bytes的编码。

在命令行模式下输入：

pip install chardet

等待安装完成即可。

使用chardet进行检测编码，只需要调用chardet.detect()即可。

>>>chardet.detect(b'python')
{'encoding': 'ascii', 'confidence': 1.0, 'language': ''}

结果显示是ASCII编码，confidence字段指出检测正确的概率为1。

我们还能检测其他编码

如检测gbk编码的中文：

data = '你若安好，便是晴天'.encode('gbk')
chardet.detect(data)
{'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'}

结果显示是GB2312编码，检测正确的概率为0.99，language字段指出检测出语言为中文。注意这里GBK是GB2312的超集。

检测utf-8编码：

data = '你若安好，便是晴天'.encode('utf-8')
chardet.detect(data)
{'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

检测EUC-JP编码的日文：

data = 'こんにちは'.encode('euc-jp')
chardet.detect(data)
{'encoding': 'EUC-JP', 'confidence': 0.99, 'language': 'Japanese'}

chardet支持检测中文、日文、俄文等多种语言，具体参考官方文档Supported encodings

以上就是本节的全部内容，感谢你的阅读。

下一节内容：常用第三方模块之 psutil

有任何问题与想法，欢迎评论与吐槽。

和博主一起学习Python吧(￣▽￣)~*

关注

专栏目录