使用通用编码检测器（chardet）在Python文本文件中检测字符

我试图使用Python中的通用编码检测器（chardet）来检测文本文件（“infle”）中最可能的字符编码，并在进一步处理中使用它

虽然chardet主要是为检测网页的字符编码而设计的，但我发现它在单个文本文件中使用了大量的字符编码

但是，我无法确定如何告诉脚本将最可能的字符编码设置为变量“charenc”（在整个脚本中使用多次）

我的代码基于上述示例和chardet自身的组合，如下所示：

import chardet    
rawdata=open(infile,"r").read()
chardet.detect(rawdata)

在脚本继续运行以下操作（以及一些类似的用途）时，需要进行字符检测：

任何帮助都将不胜感激。

chardet.detect（）

返回一个字典，其中提供编码作为与键

'encoding'

关联的值。所以你可以这样做：

import chardet    
rawdata = open(infile, 'rb').read()
result = chardet.detect(rawdata)
charenc = result['encoding']

---

不清楚文本字符串和/或字节字符串是否应该与模块一起工作，但如果您有文本字符串，则不需要对其运行字符检测，因此您可能应该传递字节字符串。因此，调用

open（）

时会使用二进制模式标志（

b

）。但是

chardet.detect（）

也可以使用文本字符串，这取决于您使用的Python版本和库的版本，也就是说，如果您确实省略了

b

，您可能会发现它仍然可以工作，即使您在技术上犯了一些错误。

谢谢！我以为这会很简单！正是我需要的。出于好奇，是否有某种方法让它返回多个结果，以便您可以看到，比如说，3个最高置信水平的猜测？@Endophage我不确定，我自己也没有太多使用它。Python 3.6在试图打开UTF-8文件时抛出了

TypeError:bytes或bytearray类型的预期对象，get:

。用

“rb”

而不是

“r”

打开解决了这个问题。@JohnLemberger啊，说得好，我已经解决了这个问题。我相信在过去，当Python对文本字符串和字节字符串之间的区别不那么挑剔时，这种方法是有效的。

import chardet    
rawdata = open(infile, 'rb').read()
result = chardet.detect(rawdata)
charenc = result['encoding']