【ZZ】Python chardet 字符编码判断

使用 chardet 能够很方便的实现字符串/文件的编码检测。尤为是中文网页，有的页面使用GBK/GB2312，有的使用UTF8，若是你须要去爬一些页面，知道网页编码很重要的，虽然HTML页面有charset标签，可是有些时候是不对的。那么chardet就能帮咱们大忙了。

chardet实例

>>> import urllib
>>> rawdata = urllib.urlopen('http://www.google.cn/').read()
>>> import chardet
>>> chardet.detect(rawdata)
{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}
>>>

chardet能够直接用detect函数来检测所给字符的编码。函数返回值为字典，有2个元数，一个是检测的可信度，另一个就是检测到的编码。

chardet 安装

下载chardet后，解压chardet压缩包，直接将chardet文件夹放在应用程序目录下，就能够使用import chardet开始使用chardet了。

或者使用setup.py安装文件，将chardet拷贝到Python系统目录下，这样你全部的python程序只要用import chardet就能够了。

参考

• chardet官网 http://chardet.feedparser.org/
• chardet下载页面： http://chardet.feedparser.org/download/

 

• chardet官网 http://chardet.feedparser.org/
• chardet下载页面： http://chardet.feedparser.org/download/