python中讀寫文件及中文編碼處理方法

一、打開文件

代碼如下：

>>> f = open("d:\test.txt", "w")

說明：

第一個參數是文件名稱，包括路徑；第二個參數是打開的模式mode

'r'：只讀（缺省。如果文件不存在，則拋出錯誤）

'w'：只寫（如果文件不存在，則自動創建文件）

'a'：附加到文件末尾

'r+'：讀寫

如果需要以二進制方式打開文件，需要在mode後面加上字符"b"，比如"rb""wb"等

二、讀取內容

f.read(size)

參數size表示讀取的數量，可以省略。如果省略size參數，則表示讀取文件所有內容。

f.readline()

讀取文件一行的內容

f.readlines()

讀取所有的行到數組裏面[line1,line2,...lineN]。在避免將所有文件內容加載到內存中，這種方法常常使用，便於提高效率。

三、寫入文件

f.write(string) 將一個字符串寫入文件，如果寫入結束，必須在字符串後面加上"\n"，然後f.close()關閉文件

四、文件中的內容定位

f.read()讀取之後，文件指針到達文件的末尾，如果再來一次f.read()將會發現讀取的是空內容，如果想再次讀取全部內容，必須將定位指針移動到文件開始：
f.seek(0)

這個函數的格式如下（單位是bytes）：

f.seek(offset, from_what)

from_what表示開始讀取的位置，offset表示從from_what再移動一定量的距離，比如f.seek(10, 3)表示定位到第三個字符並再後移10個字符。from_what值爲0時表示文件的開始，它也可以省略，缺省是0即文件開頭。下面給出一個完整的例子：

>>> f = open('/tmp/workfile', 'r+')
>>> f.write('0123456789abcdef')
>>> f.seek(5)     # Go to the 6th byte in the file
>>> f.read(1)       
'5'
>>> f.seek (-3, 2) # Go to the 3rd byte before the end
>>> f.read(1)
'd'

五、關閉文件釋放資源

文件操作完畢，一定要記得關閉文件f.close()

，可以釋放資源供其他程序使

*******************************************************

文件讀寫

---

只是ASCII或者gbk編碼格式的的文件讀寫，比較簡單，讀寫如下：

1 # coding=gbk
2
3 f = open('c:/intimate.txt','r') # r 指示文件打開模式，即只讀
4 s1 = f.read()
5 s2 = f.readline()
6 s3 = f.readlines() #讀出所有內容
7
8 f.close()
9
10 f = open('c:/intimate.txt','w') # w 寫文件
11 f.write(s1)
12 f.writelines(s2) # 沒有writeline
13 f.close()

f.writelines不會輸出換行符。
unicode文件讀寫：

1 # coding=gbk
2 import codecs
3
4 f = codecs.open('c:/intimate.txt','a','utf-8')
5 f.write(u'中文')
6 s = '中文'
7 f.write(s.decode('gbk'))
8 f.close()
9
10 f = codecs.open('c:/intimate.txt','r','utf-8')
11 s = f.readlines()
12 f.close()
13 for line in s:
14     print line.encode('gbk')

1 python代碼文件的編碼

py文件默認是ASCII編碼，中文在顯示時會做一個ASCII到系統默認編碼的轉換，這時就會出錯：SyntaxError: Non-ASCII character。需要在代碼文件的第一行或第二行添加編碼指示：

1 # coding=utf-8 ##以utf-8編碼儲存中文字符
2 print '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，如果用unicode編碼，有以下三種方式：

1 s1 = u'中文' #u表示用unicode編碼方式儲存信息
2 s2 = unicode('中文','gbk')

unicode是一個內置函數，第二個參數指示源字符串的編碼格式。
decode是任何字符串具有的方法，將字符串轉換成unicode格式，參數指示源字符串的編碼格式。
encode也是任何字符串具有的方法，將字符串轉換成參數指定的格式。

2 字符串的編碼
用 u'漢字' 構造出來的是unicode類型，不用的話構造出來是str類型
str的編碼是與系統環境相關的，一般就是sys.getfilesystemencoding()得到的值
所以從unicode轉str，要用encode方法
從str轉unicode，所以要用decode
例如：

1 # coding=utf-8   #默認編碼格式爲utf-8
2
3 s = u'中文' #unicode編碼的文字
4 print s.encode('utf-8')   #轉換成utf-8格式輸出
5 print s #效果與上面相同，似乎默認直接轉換爲指定編碼

我的總結：
u=u'unicode編碼文字'
g=u.encode('gbk') #轉換爲gbk格式
print g #此時爲亂碼，因爲當前環境爲utf-8,gbk編碼文字爲亂碼
str=g.decode('gbk').encode('utf-8')   #以gbk編碼格式讀取g（因爲他就是gbk編碼的）並轉換爲utf-8格式輸出
print str #正常顯示中文

安全的方法：
s.decode('gbk','ignore').encode('utf-8′) #以gbk編碼讀取（當然是讀取gbk編碼格式的文字了）並忽略錯誤的編碼，轉換成utf-8編碼輸出

因爲decode的函數原型是decode([encoding], [errors='strict'])，可以用第二個參數控制錯誤處理的策略，默認的參數就是strict，代表遇到非法字符時拋出異常；
如果設置爲ignore，則會忽略非法字符；
如果設置爲replace，則會用?取代非法字符；
如果設置爲xmlcharrefreplace，則使用XML的字符引用。

******************
另外的方法：
f=file("/home/abc.txt")
for i in f: