Python判断字符串编码以及编码的转换

判断字符串编码：

使用 chardet 可以很方便的实现字符串/文件的编码检测。尤其是中文网页，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：

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import urllib, chardet

if __name__ == '__main__':
    html = urllib.urlopen('http://www.baidu.com').read()
    print chardet.detect(html)

　　结果：

{'confidence': 0.99, 'encoding': 'utf-8'}

函数返回值为字典，有2个元素，一个是检测的可信度，另外一个就是检测到的编码。

编码转换：

先把其他编码转换为unicode再转换其他编码, 如utf-8转换为gb2312：

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import chardet

if __name__ == '__main__':
    str = raw_input("请输入地址：")
    print chardet.detect(str)

    str1 = str.decode('utf-8')
    str2 = str1.encode('gb2312')
    print chardet.detect(str2)

　　结果：

请输入地址：你好
{'confidence': 0.7525, 'encoding': 'utf-8'}
{'confidence': 0.3598212120361634, 'encoding': 'TIS-620'}

结束语：

　　示例中使用到了chardet模块，所以需要先安装该模块才能按示例代码按步骤操作得到相应的结果。