伪代码如下:
s = '**************'
print(detectRisk(s,'gbk') #=>80% s 是 gbk 编码的概率是 80%
print(detectRisk(s,'utf8') #=>30% s 是 u8 编码的概率是 30%
请问 python 有没有这样的方法呢?
有 cchardet.dect(s)或者 chardet.dect(s),但都不能指定检查哪一种编码的概率。
1
nullcc 2017-09-09 10:42:08 +08:00
|
2
mskip 2017-09-09 10:51:26 +08:00
chardet
{'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'} {'confidence': 1.0, 'language': '', 'encoding': 'ascii'} {'confidence': 0.99, 'language': '', 'encoding': 'utf-8'} {'confidence': 0.99, 'language': '', 'encoding': 'utf-8'} |
3
vtoexsir OP |
4
ltux 2017-09-09 13:18:10 +08:00
那就自己实现喽。
|
5
janxin 2017-09-09 14:02:43 +08:00 1
In [1]: import chardet
In [2]: prober = chardet.utf8prober.UTF8Prober() In [3]: prober.feed('你好,世界!'.encode('utf-8')) Out[3]: 1 In [4]: prober.get_confidence() Out[4]: 0.99 |
6
param 2017-09-09 19:11:35 +08:00
chardet 有出错的,而且速度很慢
|
7
yucongo 2017-09-10 23:08:30 +08:00
s = '**************', 貌似少个 b 吧,s = b'**************'。str 是不存在编码的问题的
|