एन्कोडिंग डिटेक्शन

एन्कोडिंग डिटेक्शन

HTML बाइट्स के रूप में आता है, और एन्कोडिंग लेयर किसी भी पाइपलाइन के पहले प्रश्न का उत्तर देती है: कौन सा एन्कोडिंग, और कौन सा टेक्स्ट? डिटेक्शन मानकों के अनुसार काम करता है — बाइट-ऑर्डर मार्क्स पहले, फिर कंटेंट में घोषणाएँ।

बाइट्स से पहचान

detect_encoding() बाइट स्ट्रीम को सुँघता है और एक EncodingDetectionResult लौटाता है जिसमें पता लगाया गया एन्कोडिंग, एक कॉन्फिडेंस लेवल, और डिकोड किया हुआ टेक्स्ट शामिल होता है। एक UTF-8 BOM निश्चित रूप से पहचानता है, और BOM बाइट्स डिकोडेड आउटपुट से हटाए जाते हैं:

from aspose_html.encoding.detection import detect_encoding
result = detect_encoding(b"\xef\xbb\xbf<p>x</p>")
print(result.encoding)
print(result.confidence)
print(result.text)

डिटेक्शन टूलकिट

sniff_bom() केवल बाइट-ऑर्डर मार्क्स की जाँच करता है; prescan_meta_charset() दस्तावेज़ के भीतर charset घोषणाओं के लिए मानक मेटा-प्रिस्कैन लागू करता है; decode_bytes() एन्कोडिंग चुनने के बाद डिकोड करता है। असमर्थित एन्कोडिंग्स टाइप्ड UnsupportedEncodingError को उत्पन्न करती हैं।

कैनोनिकल नाम

एन्कोडिंग लेबल्स विभिन्न जगहों पर अलग-अलग होते हैं — latin1, iso-8859-1, और us-ascii सभी windows-1252 का अर्थ एन्कोडिंग मानक के अनुसार रखते हैं। get_canonical_name() किसी भी पंजीकृत लेबल को उसके मानक नाम में मैप करता है।

टिप्स और सर्वोत्तम प्रथाएँ

• BOM पर भरोसा करें: जब उपस्थित हो, यह निर्णायक होता है और डिटेक्टर निश्चित भरोसे के साथ रिपोर्ट करता है
• एन्कोडिंग की तुलना करने से पहले get_canonical_name() के माध्यम से लेबल्स को सामान्यीकृत करें
• बाइट्स को स्वयं फिर से डिकोड करने के बजाय डिटेक्शन से result.text का उपयोग करें

सामान्य समस्याएँ

FAQ

डिटेक्शन क्या लौटाता है?

एक EncodingDetectionResult जिसमें encoding, confidence, और डिकोड किया गया text है।

क्या लेगेसी लेबल्स को संभाला जाता है?

हाँ — उपनाम तालिका latin1 और us-ascii जैसे लेबल्स को उनके मानक एन्कोडिंग्स में मैप करती है।

क्या डिटेक्शन मेटा टैग पढ़ता है?

prescan_meta_charset() मानक meta-prescan को लागू करता है और डिटेक्शन में भाग लेता है।

API Reference सारांश

यह भी देखें

• Aspose.HTML for Python — Enterprise Documentation