可爱的python课后习题（三）

可爱的python课后习题（三）

1，判定某个blog的编码方式：
[html] 
#!/usr/bin/python 
#coding=utf-8 
#filename:codingTest.py 
import sys 
import urllib2 
import chardet 
 
def blog_detect(blogurl): 
        try: 
                fp=urllib2.urlopen(blogurl) 
        except Exception,e: 
                print e 
                print 'download exception %s' %blogurl 
                return 0 
        blog=fp.read() 
        print blog 
        codedetect=chardet.detect(blog)["encoding"] 
        print '%s------>%s' %(blogurl,codedetect) 
        fp.close() 
        return 1 
if __name__=='__main__': 
        if len(sys.argv)==1: 
                print 'usage:\n\t python codingTest.py http://' 
        else: 
                blog_detect(sys.argv[1]) 
测试结果：
[html] 
root@zhou:/home/zhouqian/python# python codingTest.py http://www.baidu.com 
http://www.baidu.com------>GB2312 
root@zhou:/home/zhouqian/python# python codingTest.py http://www.google.cn 
http://www.google.cn------>utf-8 
遇到的问题总结：
打开url链接所用到的urllib2这个模块，第一次接触学习下
还有chardet用来检测字符类型的模块，使用方法chardet.detect(blog)["encoding"]返回字符类型，上面已经测试了
然后就是文本的编码方式，以及转换方法。其中对于python2来说默认的编码方式ASCII，对于python3来说默认的编码方式：unicode。
他们存储文本信息时大致的过程是先解码转换成对应的二进制格式，输出时再通过相应编码格式，呈现出来。
习题2.不是utf-8的变成utf-8格式的
[html] 
#!/usr/bin/python 
#coding=utf-8 
#filename:codingTest.py 
import sys 
import urllib2 
import chardet 
 
def blog_detect(blogurl): 
        try: 
                fp=urllib2.urlopen(blogurl)#了解下就可以了。 
        except Exception,e: 
                print e 
                print 'download exception %s' %blogurl 
                return 0 
        blog=fp.read() 
        print blog 
        codedetect=chardet.detect(blog)["encoding"]#主要的操作之一 
        print '%s------>%s' %(blogurl,codedetect) 
        fp.close() 
        print '########进行转换#####' 
        if codedetect<>'utf-8': 
                try: 
                        #这里是代码的核心，也是python文本编码的主要用法所在unicode和ASCII这两种编码方式 
                        blog=unicode(blog,codedetect)#进行解码操作 
                        blog=blog.encode('utf-8')#进行编码操作 
                except: 
                        print 'bad unicode encode try' 
                        print 'failed convert' 
                        return 0 
        filename='%s_utf-8' %blogurl[7:]#存储的是文件名以博客的链接来命名的 
        filename=filename.replace('/','_') 
        open(filename,'w').write(blog) 
        print 'save to file %s' %filename 
        return 1 
if __name__=='__main__': 
        if len(sys.argv)==1: 
                print 'usage:\n\t python codingTest.py http://' 
        else: 
                blog_detect(sys.argv[1]) 
测试结果：
[html] 
zhouqian@zhou:~/python$ python codingConvert.py http://www.2cto.com 
http://www.baidu.com------>GB2312 
########进行转换##### 
save to file www.baidu.com_utf-8 
生成这么一个文件，可以看到中文字符，之前没有转换的时候是乱码。
遇到的问题跟上面差不多，两者结合而已。
作者：chen861201