python使用chardet判断字符串编码，超简单的代码

下面代码段是关于python使用chardet判断字符串编码，超简单的代码，应该是对码农有较大用。

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

　　fencoding输出格式{'confidence':0.96630842899499614,'encoding':'GB2312'}，只能判断是否为某种编码的概率。比较准确的结果了。输入参数为str类型。

了解python中str的编码后可以利用decode和encode来实现编码的转换。

一般流程是str利用decode方法根据str的编码将其解码为unicode字符串类型，然后利用encode根据特定的编码将unicode字符串类型转换为特定的编码。python中str和unicode属于两种不同的类型，如下。

 

一般情况下window默认编码gbk，linux默认编码utf8
python编程中系统编码，python编码，文件编码的概念。

系统编码：默认写源码的编辑器的编码方式。它代表源码文件内的所有内容都是根据词方式编码成二进制码流。存入到磁盘中的。linux下通过locale命令查看。

python编码：指python内设置的解码方式。如果不设定的话，python默认的是ascii解码方式。如果python源代码文件中不出现中文的话，这个地方怎么设定应该不会问题。

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

文件编码：文本的编码方式，linux下vim利用setfileencoding查看。

 

一般情况下输出乱码的原因就是没有按照系统解码的方式进行编码。

比如prints,s类型为str，linux系统下系统默认编码为utf8编码，s在输出前就应该编码为utf8。如果s为gbk编码就应该这样输出。prints.decode('gbk').encode('utf8')才能输出中文。

window下面情况相同，window默认编码为gbk编码，所以s输出前必须编码为gbk。

python处理中一般处理unicode类型。这样输出前直接编码即可。