这两天遇到了一个烦心事,我用python的win32com把word转化到txt,在windows下默认转的格式是ascii,而我用python进行操作时,必然会有问题,python默认的处理中文的字符是unicode,困扰了我好久,上网查找资料
以下内容我觉得非常好:
*为什么会报错“UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-1: ordinal not in range(128)”?本文就来研究一下这个问题。
字符串在Python内部的表示是unicode编码,因此,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码,如str1.decode(‘gb2312’),表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串,如str2.encode(‘gb2312’),表示将unicode编码的字符串str2转换成gb2312编码。
因此,转码的时候一定要先搞明白,字符串str是什么编码,然后decode成unicode,然后再encode成其他编码*
我操作时 我是在win7下把word文件保存成ascii编码的txt,操作时
file=open('/Users/mazhongyi/Desktop/new12.txt')
for i in file.readlines():
#print i.decode('gbk')
if i.decode('gbk').startswith(u'马忠义'):
print i.decode('gbk')
file.close()
需要decode(‘gbk’)是把gbk编码的汉子转化为python能够操作的unicode格式
采用startswith的方法判断时,判定条件也必须为unicode格式u’mazhongyi’