1、当我们拿到一个bytes时,就可以对其检测编码。用chardet检测编码,只需要一行代码:
>>>chardet.detect(b'Hello,world!') {'encoding':'ascii','confidence':1.0,'language':''}
检测出的编码是ascii,注意到还有个confidence字段,表示检测的概率是1.0(即100%)。
2、检测GBK编码的中文
>>>data='离离原上草,一岁一枯荣'.encode('gbk') >>>chardet.detect(data) {'encoding':'GB2312','confidence':0.7407407407407407,'language':'Chinese'}
检测的编码是GB2312,注意到GBK是GB2312的超集,两者是同一种编码,检测正确的概率是74%,language字段指出的语言是'Chinese'。
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)