【引用】python中读写文件及中文编码处理方法


一、打开文件
代码如下:
>>> f = open("d:\test.txt", "w")
说明:
第一个参数是文件名称,包括路径;第二个参数是打开的模式mode
'r':只读(缺省。如果文件不存在,则抛出错误)
'w':只写(如果文件不存在,则自动创建文件)
'a':附加到文件末尾
'r+':读写
如果需要以二进制方式打开文件,需要在mode后面加上字符"b",比如"rb""wb"等
二、读取内容
f.read(size)
参数size表示读取的数量,可以省略。如果省略size参数,则表示读取文件所有内容。
f.readline()
读取文件一行的内容
f.readlines()
读取所有的行到数组里面[line1,line2,...lineN]。在避免将所有文件内容加载到内存中,这种方法常常使用,便于提高效率。
三、写入文件
f.write(string) 将一个字符串写入文件,如果写入结束,必须在字符串后面加上"\n",然后f.close()关闭文件
四、文件中的内容定位
f.read()读取之后,文件指针到达文件的末尾,如果再来一次f.read()将会发现读取的是空内容,如果想再次读取全部内容,必须将定位指针移动到文件开始:
f.seek(0)
这个函数的格式如下(单位是bytes):
f.seek(offset, from_what)
from_what表示开始读取的位置,offset表示从from_what再移动一定量的距离,比如f.seek(10, 3)表示定位到第三个字符并再后移10个字符。from_what值为0时表示文件的开始,它也可以省略,缺省是0即文件开头。下面给出一个完整的例子:
>>> 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、关闭文件释放资源
文件操作完毕,一定要记得关闭文件f.close()
,可以释放资源供其他程序使

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

文件读写

只是ASCII 或者gbk 编码格式的的文件读写,比较简单,读写如下:
1  #  coding=gbk
2 
3  =  open( ' c:/intimate.txt ' , ' r ' #  r 指示文件打开模式,即只读
4  s1  =  f.read()
5  s2  =  f.readline()
6  s3  =  f.readlines()  # 读出所有内容
7 
8  f.close()
9 
10  =  open( ' c:/intimate.txt ' , ' w ' #  w 写文件
11  f.write(s1)
12  f.writelines(s2)  #  没有writeline
13  f.close()

f.writelines不会输出换行符。
unicode文件读写:
1  #  coding=gbk
2  import  codecs
3 
4  =  codecs.open( ' c:/intimate.txt ' , ' a ' , ' utf-8 ' )
5  f.write(u ' 中文 ' )
6  =   ' 中文 '
7  f.write(s.decode( ' gbk ' ))
8  f.close()
9 
10  =  codecs.open( ' c:/intimate.txt ' , ' r ' , ' utf-8 ' )
11  =  f.readlines()
12  f.close()
13  for  line  in  s:
14       print  line.encode( ' gbk ' )

1 python代码文件的编码

py文件默认是ASCII编码,中文在显示时会做一个ASCII到系统默认编码的转换,这时就会出错:SyntaxError: Non-ASCII character。需要在代码文件的第一行或第二行添加编码指示:
1  #  coding=utf-8  ##以utf-8编码储存中文字符
2  print   ' 中文 '
像上面那样直接输入的字符串是按照代码文件的编码来处理的,如果用unicode编码,有以下三种方式:
1  s1  =  u ' 中文 '  #u表示用unicode编码方式储存信息
2  s2  =  unicode( ' 中文 ' , ' gbk ' )
unicode是一个内置函数,第二个参数指示源字符串的编码格式。
decode是任何字符串具有的方法,将字符串转换成unicode格式,参数 指示源字符串的编码格式。
encode也
是任何字符串具有的方法,将字符串转换成参数指定的格式

2 字符串的编码
用 u'汉字' 构造出来的是unicode类型,不用的话构造出来是str类型 
str的编码是与系统环境相关的,一般就是sys.getfilesystemencoding()得到的值 
所以从unicode转str,要用encode方法 
从str转unicode,所以要用decode
例如:
1  #  coding=utf-8   #默认编码格式为utf-8
2 
3  =  u ' 中文 ' #unicode编码的文字
4  print  s.encode( ' utf-8 ' )   #转换成utf-8格式输出 
5 print s #效果与上面相同
,似乎默认直接转换为指定编码

我的总结:
u=u'unicode编码文字'
g=u.encode('gbk') #转换为gbk格式
print g #此时为乱码,因为当前环境为utf-8,gbk编码文字为乱码
str=g.decode('gbk').encode('utf-8')   #以gbk编码格式读取g(因为他就是gbk编码的)并转换为utf-8格式输出
print str #正常显示中文

安全的方法:
s.decode('gbk','ignore').encode('utf-8′) #以gbk编码读取(当然是读取gbk编码格式的文字了)并忽略错误的编码,转换成utf-8编码输出 

因为decode的函数原型是decode([encoding], [errors='strict']),可以用第二个参数控制错误处理的策略,默认的参数就是strict,代表遇到非法字符时抛出异常; 
如果设置为ignore,则会忽略非法字符; 
如果设置为replace,则会用?取代非法字符; 
如果设置为xmlcharrefreplace,则使用XML的字符引用。

******************
另外的方法:
f=file("/home/abc.txt")
for i in f:
    print i
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值