python2.7 编码问题解析（三）

1、cmd编码：936

2、源代码保存编码：utf8

3、编码声明：gbk

#-*-coding:gbk-*-

str1 = '人生苦短'

print '#' + str1
print [str1]
print '#' + str1.decode("utf8").encode("gbk")
print [str1.decode("utf8").encode("gbk")]

“人生苦短”的utf8编码：['\xe4\xba\xba\xe7\x94\x9f\xe8\x8b\xa6\xe7\x9f\xad']

“人生苦短”的gbk编码：['\xc8\xcb\xc9\xfa\xbf\xe0\xb6\xcc']

这说明，编码格式的声明要比实际存储的编码格式优先级低，python调用的时候，

当然必须按照实际存储的utf8格式来进行解码，如果用gbk解码必然报错。

那么一段字节序列，实际用的是那种编码呢？

最直接的想法是，对其进行特征码的检验。

这个就要用到一个检测编码格式的库“chardet”

代码：

#-*-coding:gbk-*-

import chardet

str1 = '人生苦短'

print "==========================="
print chardet.detect(str1)

detect给出的是一个用置信度表示的结果。str1作为编码格式测试的样本，其内容具有本编码的特征多，得出的置信度越高。

===========================
{'confidence': 0.938125, 'language': '', 'encoding': 'utf-8'}