Python字符集编码和文件读写

python中默认编码是ASCII,可以通过以下方式设置和获取:

import sys
print sys.getdefaultencoding()
sys.setdefaultencoding(
'gbk')

但直到python重新启动后新的默认编码才会生效,我试了一下,setdefaultencoding总是会出错,没有这个属性。用dir看,确实没有,python版本是2.5,不知道是否被取消了。

使用print来输出时,python将内容传递给系统处理,windows会按照系统默认编码来输出。如果包含了中文,就要注意几点。

1 python代码文件的编码
py文件默认是ASCII编码,中文在显示时会做一个ASCII到系统默认编码的转换,这时就会出错:SyntaxError: Non-ASCII character。需要在代码文件的第一行或第二行添加编码指示:

1 # coding=gbk
2 print '中文'


2 字符串的编码
像上面那样直接输入的字符串是按照代码文件的编码来处理的,如果是unicode编码,有以下三种方式:

1 s1 = u'中文'
2 s2 = unicode('中文','gbk')
3 s3 = s1.decode('gbk')


unicode是一个内置函数,第二个参数指示源字符串的编码格式。
decode是任何字符串具有的方法,将字符串转换成unicode格式,参数指示源字符串的编码格式。
encode也
是任何字符串具有的方法,将字符串转换成参数指定的格式

3 系统的默认编码
对 于中文系统来说,默认的是gbk,gb2312也可以,因为它是gbk的字集。使用print输出时,字符串会被转换成此格式(字符串转换成系统默认编码,print后才可以正常显示),隐式转换时,是从代码文件 编码格式转换成gbk,默认是ASCII->GBK。考虑上面第二点,如果字符串编码不是ASCII,则隐式转换会出错,需要显式转换,使用 encode方法。如果指定了代码文件格式为gbk,则隐式转换不存在问题。

1 # coding=gbk
2 
3 = u'中文'
4 print s.encode('gbk')


文件读写


只是ASCII或者gbk编码格式的的文件读写,比较简单,读写如下:

 1 # coding=gbk
 2 
 3 = open('c:/intimate.txt','r'# r 指示文件打开模式,即只读
 4 s1 = f.read()
 5 s2 = f.readline()
 6 s3 = f.readlines() #读出所有内容
 7 
 8 f.close()
 9 
10 = open('c:/intimate.txt','w'# w 写文件
11 f.write(s1)
12 f.writelines(s2) # 没有writeline
13 f.close()


f.writelines不会输出换行符。
unicode文件读写:

 1 # coding=gbk
 2 import codecs
 3 
 4 = codecs.open('c:/intimate.txt','a','utf-8')

 5 f.write(u'中文')
 6 = '中文'
 7 f.write(s.decode('gbk'))
 8 f.close()
 9 
10 = codecs.open('c:/intimate.txt','r','utf-8')
11 = f.readlines()//从文件read的字符串,默认是文件自己的编码方式。因此要print输出,还需要把编码改成系统默认的输出编码才可以正常显示。
12 f.close()
13 for line in s:
14     print line.encode('gbk') //utf-8编码encode成gbk的,输出