Skip to content

hydra13142/chardet

Repository files navigation

chardet

detect text encoding, like python chardet, but for go

本包用于探测文本的编码格式。

支持探测的格式有: 5种unicode格式:UTF8、大小端UTF16,大小端UTF32; 4种中文格式:hz-gb2312、gbk、gb18030、big5; 3种日文格式euc-jp、shift-jis、iso-2022-jp; 1种日文格式euc-kr; 不支持其他语种和编码格式的探测。

本包有四个函数:

// 本函数返回文本最可能的编码格式
func Mostlike([]byte) string

// 本函数返回文本所有可能的编码格式,可能性越高越靠前
func Possible([]byte) []string

// 用于解码从r读取的文本
func NewReader(r io.Reader, codec string, data []byte) (io.Reader, error) 

// 用于将文本编码后写入w
func NeWriter(w io.Writer, codec string, bom bool) (io.Writer, error)

Mostlike函数如果无法探测到编码格式,会返回空字符串。 如果发现该文本符合多个编码格式,会优先返回utf-8格式; 否则会进一步检测字符分布,返回最匹配的。

Possible函数会返回全部可能的编码格式,utf-8格式优先于其他unicode格式; 会根据字符分布来排布各个格式,使可能性越高的越靠前。

各编码格式对应字符串如下

  • UTF8 "utf-8"
  • UTF16 Big-Ending "utf-16be"
  • UTF16 Little-Ending "utf-16le"
  • UTF32 Big-Ending "utf-32be"
  • UTF32 Little-Ending "utf-32le"
  • HZ-GB2312 "hz-gb2312"
  • GBK "gbk"
  • GB18030 "gb18030"
  • BIG5 "big5"
  • Euc-Kr "euc-kr"
  • Euc-Jp "euc-jp"
  • Shift-Jis "shift-jis"
  • ISO-2022-JP "iso-2022-jp"

About

detect text encoding, like python chardet, but for go

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages