腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

Python中使用不同編碼讀寫txt文件詳解

更新時(shí)間：2015年05月28日 09:15:20 投稿：junjie

這篇文章主要介紹了Python中使用不同編碼讀寫txt文件詳解,本文給出不同編碼下的讀寫文件代碼方法,需要的朋友可以參考下

復(fù)制代碼代碼如下:

import os
import codecs
filenames=os.listdir(os.getcwd())

out=file("name.txt","w")
for filename in filenames:
out.write(filename.decode("gb2312").encode("utf-8"))
out.close()

將執(zhí)行文件的當(dāng)前目錄及文件名寫入到name.txt文件中，以utf-8格式保存
如果采用ANSI編碼保存，用如下代碼寫入即可：

復(fù)制代碼代碼如下:

out.write(filename)

打開文件并寫入

引用codecs模塊，對該模塊目前不了解。在此記錄下方法，有空掌握該模塊功能及用法。

復(fù)制代碼代碼如下:

import codecs

file=codecs.open("lol.txt","w","utf-8")

file.write(u"我")

file.close()

讀取ANSI編碼的文本文件和utf-8編碼的文件

讀取ANSI編碼文件

建立一個(gè)文件test.txt，文件格式用ANSI，內(nèi)容為:

復(fù)制代碼代碼如下:

abc中文

用python來讀取

復(fù)制代碼代碼如下:

# coding=gbk

print open("Test.txt").read()

結(jié)果：abc中文
讀取utf-8編碼文件（無BOM）
把文件格式改成UTF-8：

復(fù)制代碼代碼如下:

結(jié)果：abc涓枃

顯然，這里需要解碼：

復(fù)制代碼代碼如下:

# -*- coding: utf-8 -*-

import codecs

print open("Test.txt").read().decode("utf-8")

結(jié)果：abc中文

讀取utf-8編碼文件（有BOM）

某些軟件在保存一個(gè)以UTF-8編碼的文件時(shí)，默認(rèn)會在文件開始的地方插入三個(gè)不可見的字符（0xEF 0xBB 0xBF，即BOM）。在有些軟件可以控制是否插入BOM。如果在有BOM的情況下，在讀取時(shí)需要自己去掉這些字符，python中的codecs module定義了這個(gè)常量：

復(fù)制代碼代碼如下:

# -*- coding: utf-8 -*-

import codecs

data = open("Test.txt").read()

if data[:3] == codecs.BOM_UTF8:

    data = data[3:]

print data.decode("utf-8")

結(jié)果：abc中文
在看下面的例子：

復(fù)制代碼代碼如下:

# -*- coding: utf-8 -*-

data = open("name_utf8.txt").read()

u=data.decode("utf-8")

print u[1:]

打開utf-8格式的文件并讀取utf-8字符串后，解碼變成unicode對象。但是會把附加的三個(gè)字符同樣進(jìn)行轉(zhuǎn)換，變成一個(gè)unicode字符。該字符不能被打印。所以為了正常顯示，采用u[1:]的方式，過濾到第一個(gè)字符。
注意：在處理unicode中文字符串的時(shí)候，必須首先對它調(diào)用encode函數(shù)，轉(zhuǎn)換成其它編碼輸出。

設(shè)置python默認(rèn)編碼

復(fù)制代碼代碼如下:

import sys

reload(sys)

sys.setdefaultencoding("utf-8")

print sys.getdefaultencoding()

今天碰到了 python 編碼問題, 報(bào)錯(cuò)信息如下

復(fù)制代碼代碼如下:

Traceback (most recent call last):

  File "ntpath.pyc", line 108, in join

UnicodeDecodeError: 'ascii' codec can't decode byte 0xa1 in position 36: ordinal not in range(128)

顯然是當(dāng)前的編碼為ascii, 無法解析0xa1(十進(jìn)制為161, 超過上限128). 進(jìn)入python console后, 發(fā)現(xiàn)默認(rèn)編碼確實(shí)是 ascii, 驗(yàn)證過程為:
在python2.6中無法調(diào)用sys.setdefaultencoding()函數(shù)來修改默認(rèn)編碼，因?yàn)閜ython在啟動的時(shí)候會調(diào)用site.py文件，在這個(gè)文件中設(shè)置完默認(rèn)編碼后會刪除sys的setdefaultencoding方法。不能再被調(diào)用了. 在確定sys已經(jīng)導(dǎo)入的情況下, 可以reload sys這個(gè)模塊之后, 再 sys.setdefaultencoding('utf8')

復(fù)制代碼代碼如下:

import sys

reload(sys)

sys.setdefaultencoding("utf-8")

print sys.getdefaultencoding()

確實(shí)有效, 根據(jù) limodou 講解, site.py 是 python 解釋器啟動后, 默認(rèn)加載的一個(gè)腳本. 如果使用 python -S 啟動的話, 將不會自動加載 site.py.

上面寫的挺啰嗦的.

==================================
如何永久地將默認(rèn)編碼設(shè)置為utf-8呢? 有2種方法:
==================================

第一個(gè)方法<不推薦>: 編輯site.py, 修改setencoding()函數(shù), 強(qiáng)制設(shè)置為 utf-8
第二個(gè)方法<推薦>: 增加一個(gè)名為 sitecustomize.py, 推薦存放的路徑為 site-packages 目錄下
sitecustomize.py 是在 site.py 被import 執(zhí)行的, 因?yàn)?sys.setdefaultencoding() 是在 site.py 的最后刪除的, 所以, 可以在 sitecustomize.py 使用 sys.setdefaultencoding().

復(fù)制代碼代碼如下:

import sys   

sys.setdefaultencoding('utf-8')

既然 sitecustomize.py 能被自動加載, 所以除了設(shè)置編碼外, 也可以設(shè)置一些其他的東西
字符串的編碼

復(fù)制代碼代碼如下:

s1='中文'

像上面那樣直接輸入的字符串是按照代碼文件的編碼來處理的，如果是unicode編碼，有以下三種方式：

復(fù)制代碼代碼如下:

s1 = u'中文'

s2 = unicode('中文','gbk')

s3 = s1.decode('gbk')

unicode是一個(gè)內(nèi)置函數(shù)，第二個(gè)參數(shù)指示源字符串的編碼格式。
decode是任何字符串具有的方法，將字符串轉(zhuǎn)換成unicode格式，參數(shù)指示源字符串的編碼格式。
encode也是任何字符串具有的方法，將字符串轉(zhuǎn)換成參數(shù)指定的格式。

您可能感興趣的文章: