本文實(shí)例講述了python使用chardet判斷字符串編碼的方法。分享給大家供大家參考。具體分析如下：

最近利用python抓取一些網(wǎng)上的數(shù)據(jù)，遇到了編碼的問題。非常頭痛，總結(jié)一下用到的解決方案。

linux中vim下查看文件編碼的命令 set fileencoding
python中一個(gè)強(qiáng)力的編碼檢測包 chardet ，使用方法非常簡單。linux下利用pip install chardet實(shí)現(xiàn)簡單安裝

import chardet
f = open('file','r')
fencoding=chardet.detect(f.read())
print fencoding

fencoding輸出格式 {'confidence': 0.96630842899499614, 'encoding': 'GB2312'} ，只能判斷是否為某種編碼的概率。比較準(zhǔn)確的結(jié)果了。輸入?yún)?shù)為str類型。

了解python中str的編碼后可以利用decode和encode來實(shí)現(xiàn)編碼的轉(zhuǎn)換。

一般流程是str利用decode方法根據(jù)str的編碼將其解碼為unicode字符串類型，然后利用encode根據(jù)特定的編碼將unicode字符串類型轉(zhuǎn)換為特定的編碼。python中str和unicode屬于兩種不同的類型，如下。

一般情況下window默認(rèn)編碼gbk，linux默認(rèn)編碼utf8
python編程中 系統(tǒng)編碼，python編碼，文件編碼 的概念。

系統(tǒng)編碼：默認(rèn)寫源碼的編輯器的編碼方式。它代表源碼文件內(nèi)的所有內(nèi)容都是根據(jù)詞方式編碼成二進(jìn)制碼流。存入到磁盤中的。linux下通過locale命令查看。

python編碼：指python內(nèi)設(shè)置的解碼方式。如果不設(shè)定的話，python默認(rèn)的是ascii解碼方式。如果python源代碼文件中不出現(xiàn)中文的話，這個(gè)地方怎么設(shè)定應(yīng)該不會(huì)問題。

設(shè)定方法：在源碼文件開頭（一定是第一行）：#-*-coding:UTF-8-*-，源碼文件的設(shè)置解碼方式是UTF-8 或者 

import sys
reload(sys)
sys.setdefaultencoding('UTF-8')

文件編碼：文本的編碼方式，linux下vim利用set fileencoding查看。

一般情況下輸出亂碼的原因就是 沒有按照系統(tǒng)解碼的方式進(jìn)行編碼。

比如print s, s類型為str，linux系統(tǒng)下系統(tǒng)默認(rèn)編碼為utf8編碼，s在輸出前就應(yīng)該編碼為utf8。如果s為gbk編碼就應(yīng)該這樣輸出。print s.decode('gbk').encode('utf8')才能輸出中文。

window下面情況相同，window默認(rèn)編碼為gbk編碼，所以s輸出前必須編碼為gbk。

python處理中一般處理unicode類型。這樣輸出前直接編碼即可。

希望本文所述對大家的Python程序設(shè)計(jì)有所幫助。

最新評論