python中讀寫文件及中文編碼處理方法【整理】

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


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

文件讀寫例子


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

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

8 f.close()

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

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()

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

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:
    print i

 

發佈了121 篇原創文章 · 獲贊 10 · 訪問量 6萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章