python中的chardet库有何用处？用法是什么？
发布时间：2022-03-02 13:15:55 所属栏目：语言 来源：互联网
导读：这篇文章主要介绍python中的chardet库的作用和用法，小编觉得挺实用的，对于在学习python爬虫的朋友，chardet库有很大的用处，因此分享给大家做个学习参考，希望大家阅读完这篇文章能有所收获，接下来小编带着大家一起了解看看。 一、chardet库的安装与介绍
|
这篇文章主要介绍python中的chardet库的作用和用法，小编觉得挺实用的，对于在学习python爬虫的朋友，chardet库有很大的用处，因此分享给大家做个学习参考，希望大家阅读完这篇文章能有所收获，接下来小编带着大家一起了解看看。 一、chardet库的安装与介绍 玩儿过爬虫的朋友应该知道，在爬取不同的网页时，返回结果会出现乱码的情况。比如，在爬取某个中文网页的时候，有的页面使用GBK/GB2312，有的使用UTF8，如果你需要去爬一些页面，知道网页编码很重要的。 虽然HTML页面有charset标签，但是有些时候是不对的，那么chardet就能帮我们大忙了。使用 chardet 可以很方便的实现字符串/文件的编码检测。 如果你安装过Anaconda，那么可以直接使用chardet库。如果你只是安装了Python的话，就需要使用下面几行代码，完成chardet库的安装。 pip install chardet 接着，使用下面这行代码，导入chardet库。 import chardet 二、chardet库的使用 这个小节，我们分3部分讲解。 2.1 chardet.detect()函数 detect()函数接受一个参数，一个非unicode字符串。它返回一个字典，其中包含自动检测到的字符编码和从0到1的可信度级别。 encoding：表示字符编码方式。 confidence：表示可信度。 language：语言。 光看这个解释，大多数朋友可能看不懂，下面我们就用例子来讲述这个函数。 2.2 使用该函数分别检测gbk、utf-8和日语 检测gbk编码的中文： str1 = '大家好，我是黄同学'.encode('gbk') chardet.detect(str1) chardet.detect(str1)["encoding"] 结果如下： 检测的编码是GB2312，注意到GBK是GB2312的父集，两者是同一种编码，检测正确的概率是99%，language字段指出的语言是'Chinese'。 检测utf-8编码的中文： str2 = '我有一个梦想'.encode('utf-8') chardet.detect(str2) chardet.detect(str2)["encoding"] 结果如下： 检测一段日文： str3 = 'ありがとう'.encode('euc-jp') chardet.detect(str3) chardet.detect(str3) 结果如下： 2.3 如何在“爬虫”中使用chardet库呢？ 我们以百度网页为例子，进行讲述。 这个网页的源代码，使用的是什么编码呢？我们看看源代码： 从图中可以看到，是utf-8字符编码。 如果不使用chardet库，获取网页源代码的时候，怎么指定字符编码呢？ import chardet import requests headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'} response = requests.get('https://www.baidu.com',headers=headers) response.encoding = "utf-8" response.text 结果如下： 你会发现：正确指定编码后，没有乱码。如果你将编码改为gbk，再看看结果。此时已经乱码。 如果使用chardet库，获取网页源代码的时候，可以轻松指定字符编码！ import chardet import requests headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'} response = requests.get('https://www.baidu.com',headers=headers) # 注意下面这行代码，是怎么写的？ response.encoding = chardet.detect(response.content)['encoding'] response.text （编辑：平顶山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
