用python处理中文时,编码问题有点麻烦。
读入一个中文文本data.txt,文本编码问utf-8
path='data.txt'
spath=unicode(path , "utf8")
f=open(spath,'r')
c=f.read()
由于文本编码问utf-8自带有三个字节的BOM头,需要自己去掉
c = c[3:]
在处理中文字符串时,会发现一个汉字占3个字节,假如c=“我是学生”,如何让c[0]=‘我',c[1]='是'......呢
我们需要把c字符串转换成Unicode编码
c=c.decode ('utf8')
接下去就可以像处理英文字符串一样处理了,不会有乱码了。
读入一个中文文本data.txt,文本编码问utf-8
path='data.txt'
spath=unicode(path , "utf8")
f=open(spath,'r')
c=f.read()
由于文本编码问utf-8自带有三个字节的BOM头,需要自己去掉
c = c[3:]
在处理中文字符串时,会发现一个汉字占3个字节,假如c=“我是学生”,如何让c[0]=‘我',c[1]='是'......呢
我们需要把c字符串转换成Unicode编码
c=c.decode ('utf8')
接下去就可以像处理英文字符串一样处理了,不会有乱码了。