python中默認編碼是ASCII,可以通過以下方式設置和獲取:
print sys.getdefaultencoding()
sys.setdefaultencoding('gbk')
使用print來輸出時,python將內容傳遞給系統處理,windows會按照系統默認編碼來輸出。如果包含了中文,就要注意幾點。
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:
2 print '中文'
2 字符串的編碼
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:
2 s2 = unicode('中文','gbk')
3 s3 = s1.decode('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。
3 系統的默認編碼
對 於中文系統來說,默認的是gbk,gb2312也可以,因爲它是gbk的字集。使用print輸出時,字符串會被轉換成此格式,隱式轉換時,是從代碼文件 編碼格式轉換成gbk,默認是ASCII->GBK。考慮上面第二點,如果字符串編碼不是ASCII,則隱式轉換會出錯,需要顯式轉換,使用 encode方法。如果指定了代碼文件格式爲gbk,則隱式轉換不存在問題。
2
3 s = u'中文'
4 print s.encode('gbk')
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:
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:
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')
以上爲轉發的內容,下面爲我做的一些補充。
reload(sys)
print sys.getdefaultencoding()
sys.setdefaultencoding('utf-8')
>>> s.decode('utf-8')
File "<interactive input>", line 1, in ?
File "E:/Program Files/Python24/lib/encodings/utf_8.py", line 16, in decode
UnicodeDecodeError: 'utf8' codec can't decode byte 0x84 in position 0: unexpected code byte
>>>
>>> print s.decode('utf-8')
小明
>>>
問題是如果我們不知道字符裏的不合法字節的位置時該怎麼進行解碼並的出正常編碼的那些字符的結果呢,我們可以使用如下兩種方法:
>>> s.decode('utf-8')
Traceback (most recent call last):
File "<interactive input>", line 1, in ?
File "E:/Program Files/Python24/lib/encodings/utf_8.py", line 16, in decode
UnicodeDecodeError: 'utf8' codec can't decode byte 0x84 in position 0: unexpected code byte
>>> print s.decode('utf-8', 'ignore')
小明
>>> print s.decode('utf-8', 'replace')
?小明?
>>>