Python中文对相关文件的改编和处理

在Python中文中有很多的困难是新手的“克星”,以下文章是我们就这一问题给出的相关的解决方案,希望我们能够从中得到一些好的方法去解决这些问题,以便更好的在计算机的运行中灵活应用。

让客户满意是我们工作的目标,不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户,将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴,公司提供的服务项目有:域名与空间、虚拟空间、营销软件、网站建设、广西网站维护、网站推广。

import sys sys.version'2.5.1 (r251:54863, Apr 18 2007, 08:51:08) [MSC v.1310 32 bit (Intel)]'用记事本创建一个文件ChineseTest.py,默认ANSI:
s = "中文"
print s

测试一下瞧瞧:

 
 
 
  1. E:\Project\Python\Test>python中文Python ChineseTest.py  
  2. File "ChineseTest.py", line 1  
  3. SyntaxError: Non-ASCII character '\xd6' in file 
    ChineseTest.py on line 1, but no encoding declared; 

偷偷地把文件编码改成UTF-8

 
 
 
  1. E:\Project\Python\Test>python 中文ChineseTest.py  
  2. File "ChineseTest.py", line 1  
  3. SyntaxError: Non-ASCII character '\xe4' in file 
    ChineseTest.py on line 1, but no encoding declared;无济于事。  
  4.  

既然它提供了网址,那就看看吧。简单地浏览一下,终于知道如果文件里有非ASCII字符,需要在***行或第二行指定编码声明。把ChineseTest.py文件的编码重新改为ANSI,并加上编码声明

 
 
 
  1. # coding=gbk 
  2. s = "中文" 
  3. print s再试一下:  
  4. E:\Project\Python\Test>python ChineseTest.py  
  5. 中文正常咯:) 

看一看它的长度

 
 
 
  1. # coding=gbk 
  2. s = "中文" 
  3. print len(s)  

s这里是str类型,所以计算的时候一个中文相当于两个英文字符,因此长度为4。
我们这样写

 
 
 
  1. # coding=gbk 
  2. s = "中文" 
  3. s1 = u"中文" 
  4. s2 = unicode(s, "gbk") #省略参数将用python中文默认的ASCII来解码  
  5. ss3 = s.decode("gbk") #把str转换成unicode是decode,unicode函数
    作用与之相同  
  6. print len(s1)  
  7. print len(s2)  
  8. print len(s3)  
  9.  

)接着来看看文件的处理

建立一个文件test.txt,文件格式用ANSI,内容为:
abc中文
用python来读取

 
 
 
  1. # coding=gbk 
  2. print open("Test.txt").read()  
  3. 结果:abc中文  

把文件格式改成UTF-8:
结果:abc涓?枃
显然,这里需要解码:

 
 
 
  1. # coding=gbk 
  2. import codecs  
  3. print open("Test.txt").read().decode("utf-8")  
  4. 结果:abc中文  

上面的test.txt我是用Editplus来编辑的,但当我用Windows自带的记事本编辑并存成UTF-8格式时,
运行时报错:
原来,某些软件,如notepad,在保存一个以UTF-8编码的文件时,会在文件开始的地方插入三个不可见的字符(0xEF 0xBB 0xBF,即BOM)。
因此我们在读取时需要自己去掉这些字符,python中文中的codecs module定义了这个常量:

 
 
 
  1. # coding=gbk 
  2. import codecs  
  3. data = open("Test.txt").read()  
  4. if data[:3] == codecs.BOM_UTF8:  
  5. datadata = data[3:]  
  6. print data.decode("utf-8")  
  7. 结果:abc中文  

(三)一点遗留问题

在第二部分中,我们用unicode函数和decode方法把str转换成unicode。为什么这两个函数的参数用"gbk"呢?
***反应是我们的编码声明里用了gbk(# coding=gbk),但真是这样?
修改一下源文件:

 
 
 
  1. # coding=utf-8  
  2. s = "中文" 
  3. print unicode(s, "utf-8")  
  4. 运行,报错:  
  5. Traceback (most recent call last):  
  6. File "ChineseTest.py", line 3, in  
  7. s = unicode(s, "utf-8")  
  8. UnicodeDecodeError: 'utf8' codec can't decode
     bytes in position 0-1: invalid data  

简单地说,python中的print直接把字符串传递给操作系统,所以你需要把str解码成与操作系统一致的格式。Windows使用CP936(几乎与gbk相同),所以这里可以使用gbk。
***测试:

 
 
 
  1. # coding=utf-8  
  2. s = "中文" 
  3. print unicode(s, "cp936")  
  4. 结果:中文  

【编辑推荐】

  1. Python中文字符具体应用技巧分享
  2. Python连接数据库两种常用方法介绍
  3. Python流程控制关键字基本内容总结
  4. Python流程控制关键字基本内容总结
  5. Python文件路径具体操作方法经典讲解

网页标题:Python中文对相关文件的改编和处理
标题URL:http://www.shufengxianlan.com/qtweb/news38/91938.html

网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联