[TOC] # 安裝chardet 如果安裝了Anaconda，chardet就已經可用了。否則，需要在命令行下通過pip安裝： ~~~ $ pip install chardet ~~~ 如果遇到Permission denied安裝失敗，請加上sudo重試。 # 使用chardet 當我們拿到一個bytes時，就可以對其檢測編碼。用chardet檢測編碼，只需要一行代碼： ~~~ >>> chardet.detect(b'Hello, world!') {'encoding': 'ascii', 'confidence': 1.0, 'language': ''} ~~~ 檢測出的編碼是ascii，注意到還有個confidence字段，表示檢測的概率是1.0（即100%）。 我們來試試檢測GBK編碼的中文： ~~~ >>> data = '離離原上草，一歲一枯榮'.encode('gbk') >>> chardet.detect(data) {'encoding': 'GB2312', 'confidence': 0.7407407407407407, 'language': 'Chinese'} ~~~ 檢測的編碼是GB2312，注意到GBK是GB2312的超集，兩者是同一種編碼，檢測正確的概率是74%，language字段指出的語言是'Chinese'。 對UTF-8編碼進行檢測： ~~~ >>> data = '離離原上草，一歲一枯榮'.encode('utf-8') >>> chardet.detect(data) {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ~~~ 我們再試試對日文進行檢測： ~~~ >>> data = '最新の主要ニュース'.encode('euc-jp') >>> chardet.detect(data) {'encoding': 'EUC-JP', 'confidence': 0.99, 'language': 'Japanese'} ~~~ 可見，用chardet檢測編碼，使用簡單。獲取到編碼后，再轉換為str，就可以方便后續處理