chardet误码，咋办？

whitefirer

纠结了，utf8是用chardet全文对比出来的结果，但是效率低，
下面的gb2312是只对title进行判断的结果（偶尔会误码。。）
而我要对本地文件（各种编码都有可能，跟charset里的不一定相同），进行扫描，提取titil，如果编码出错的话，提取的title就是甚至挂掉

所以，现在纠结的就是有没有个折中的方案呢？。。

rockyaow

一共有多少中编码阿？
chardet确实经常猜错，频率非常高。
如果不多，就用try 然后直接decode 捕获错误后，再try

whitefirer

回复 2# rockyaow


    我已经自己解决了，不过还是谢谢你~~。嗯，就是用的try，下面是代码：

1. g_code_type = ['utf8', 'utf8', 'gb18030', 'gb2312', 'gbk', 'ISO-8859-2']       
   
2.                                                                                                 #第一个是用来覆盖的，其它可以修改
   
3.                 temp = title[0]
   
4.                 for i in range(0, len(g_code_type) - 1):
   
5.                         try:
   
6.                                 temp = title[0].decode(g_code_type[i])
   
7.                                 temp = temp.encode(codetype)
   
8.                                 break
   
9.                         except:
   
10.                                 continue
    
11.                 title[0] = temp
    
12.                 print title[0].decode(codetype).encode('GB18030')
    
13.                                                                                                 #这里只是为了屏幕上显示的不是乱码，如果想提高效率，可以删除

复制代码

讨厌网页这么多编码