【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  f  =  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  f  =  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  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 ' ) 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  s  =  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