هناك lib لاكتشاف الترميز: https://pypi.python.org/pypi/Chardet (تشفير الأحرف الكشف التلقائي في بيثون. ذكي مثل متصفحك. المصدر المفتوح)
يكتشف ...
- ASCII ، UTF-8 ، UTF-16 (2 متغيرات) ، UTF-32 (4 متغيرات)
- BIG5 ، GB2312 ، EUC-TW ، HZ-GB-2312 ، ISO-2022-CN (الصينية التقليدية والبساطة)
- EUC-JP ، Shift_jis ، ISO-2022-JP (اليابانية)
- EUC-KR ، ISO-2022-KR (كوري)
- Koi8-R ، MacCyrillic ، IBM855 ، IBM866 ، ISO-8859-5 ، Windows-1251 (السيريليك)
- ISO-8859-2 ، Windows-1250 (الهنغارية)
- ISO-8859-5 ، Windows-1251 (البلغارية)
- Windows-1252 (اللغة الإنجليزية)
- ISO-8859-7 ، Windows-1253 (اليونانية)
- ISO-8859-8 ، Windows-1255 (العبرية البصرية والمنطقية)
- Tis-620 (التايلاندي)
مثال من المستندات:
>>> import urllib
>>> rawdata = urllib.urlopen('http://yahoo.co.jp/').read()
>>> import chardet
>>> chardet.detect(rawdata)
{'encoding': 'EUC-JP', 'confidence': 0.99}