python 提取网页 charset

发布时间：2019-09-22 07:59:02编辑：auto阅读（3189）

    经过十几万网页采集测试，有效率99.99%

    def pick_charset(html):
    """
    从文本中提取 meta charset
    :param html:
    :return:
    """
    charset = None
    m = re.compile('<meta .*(http-equiv="?Content-Type"?.*)?charset="?([a-zA-Z0-9_-]+)"?', re.I).search(html)
    if m and m.lastindex == 2:
        charset = m.group(2).lower()
    return charset

    注意引入 re，如果有更好的方法欢迎联系 coconets@163.com

关键字：

上一篇： Python “编辑距离”(Levens

下一篇： Python 发出警报声音　简单播放声音