import os
import codecs
filenames=os.listdir(os.getcwd())
out=file("name.txt","w")
for filename in filenames:
out.write(filename.decode("gb2312").encode("utf-8"))
out.close()
將執(zhí)行文件的當(dāng)前目錄及文件名寫(xiě)入到name.txt文件中，以u(píng)tf-8格式保存
如果采用ANSI編碼保存，用如下代碼寫(xiě)入即可：
out.write(filename)
打開(kāi)文件并寫(xiě)入
引用codecs模塊，對(duì)該模塊目前不了解。在此記錄下方法，有空掌握該模塊功能及用法。
import codecs
file=codecs.open("lol.txt","w","utf-8")
file.write(u"我")
file.close()
讀取ANSI編碼的文本文件和utf-8編碼的文件
讀取ANSI編碼文件
建立一個(gè)文件test.txt，文件格式用ANSI，內(nèi)容為:
abc中文
用python來(lái)讀取
# coding=gbk
print open("Test.txt").read()
結(jié)果：abc中文
讀取utf-8編碼文件（無(wú)BOM）
把文件格式改成UTF-8：
結(jié)果：abc涓 枃
顯然，這里需要解碼：
# -*- coding: utf-8 -*-
import codecs
print open("Test.txt").read().decode("utf-8")
結(jié)果：abc中文
讀取utf-8編碼文件（有BOM）
某些軟件在保存一個(gè)以UTF-8編碼的文件時(shí)，默認(rèn)會(huì)在文件開(kāi)始的地方插入三個(gè)不可見(jiàn)的字符（0xEF 0xBB 0xBF，即BOM）。在有些軟件可以控制是否插入BOM。如果在有BOM的情況下，在讀取時(shí)需要自己去掉這些字符，python中的codecs module定義了這個(gè)常量：
# -*- coding: utf-8 -*-
import codecs
data = open("Test.txt").read()
if data[:3] == codecs.BOM_UTF8:
data = data[3:]
print data.decode("utf-8")
結(jié)果：abc中文
在看下面的例子：
# -*- coding: utf-8 -*-
data = open("name_utf8.txt").read()
u=data.decode("utf-8")
print u[1:]
打開(kāi)utf-8格式的文件并讀取utf-8字符串后，解碼變成unicode對(duì)象。但是會(huì)把附加的三個(gè)字符同樣進(jìn)行轉(zhuǎn)換，變成一個(gè)unicode字符。該字符不能被打印。所以為了正常顯示，采用u[1:]的方式，過(guò)濾到第一個(gè)字符。
注意：在處理unicode中文字符串的時(shí)候，必須首先對(duì)它調(diào)用encode函數(shù)，轉(zhuǎn)換成其它編碼輸出。
設(shè)置python默認(rèn)編碼
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
print sys.getdefaultencoding()
今天碰到了 python 編碼問(wèn)題, 報(bào)錯(cuò)信息如下
Traceback (most recent call last):
File "ntpath.pyc", line 108, in join
UnicodeDecodeError: 'ascii' codec can't decode byte 0xa1 in position 36: ordinal not in range(128)
顯然是當(dāng)前的編碼為ascii, 無(wú)法解析0xa1(十進(jìn)制為161, 超過(guò)上限128). 進(jìn)入python console后, 發(fā)現(xiàn)默認(rèn)編碼確實(shí)是 ascii, 驗(yàn)證過(guò)程為:
在python2.6中無(wú)法調(diào)用sys.setdefaultencoding()函數(shù)來(lái)修改默認(rèn)編碼，因?yàn)閜ython在啟動(dòng)的時(shí)候會(huì)調(diào)用site.py文件，在這個(gè)文件中設(shè)置完默認(rèn)編碼后會(huì)刪除sys的setdefaultencoding方法。不能再被調(diào)用了. 在確定sys已經(jīng)導(dǎo)入的情況下, 可以reload sys這個(gè)模塊之后, 再 sys.setdefaultencoding('utf8')
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
print sys.getdefaultencoding()
確實(shí)有效, 根據(jù) limodou 講解, site.py 是 python 解釋器啟動(dòng)后, 默認(rèn)加載的一個(gè)腳本. 如果使用 python -S 啟動(dòng)的話(huà), 將不會(huì)自動(dòng)加載 site.py.
上面寫(xiě)的挺啰嗦的.
==================================
如何永久地將默認(rèn)編碼設(shè)置為utf-8呢? 有2種方法:
==================================
第一個(gè)方法<不推薦>: 編輯site.py, 修改setencoding()函數(shù), 強(qiáng)制設(shè)置為 utf-8
第二個(gè)方法<推薦>: 增加一個(gè)名為 sitecustomize.py, 推薦存放的路徑為 site-packages 目錄下
sitecustomize.py 是在 site.py 被import 執(zhí)行的, 因?yàn)?sys.setdefaultencoding() 是在 site.py 的最后刪除的, 所以, 可以在 sitecustomize.py 使用 sys.setdefaultencoding().
import sys
sys.setdefaultencoding('utf-8')
既然 sitecustomize.py 能被自動(dòng)加載, 所以除了設(shè)置編碼外, 也可以設(shè)置一些其他的東西
字符串的編碼
s1='中文'
像上面那樣直接輸入的字符串是按照代碼文件的編碼來(lái)處理的，如果是unicode編碼，有以下三種方式：
1 s1 = u'中文'
2 s2 = unicode('中文','gbk')
3 s3 = s1.decode('gbk')
unicode是一個(gè)內(nèi)置函數(shù)，第二個(gè)參數(shù)指示源字符串的編碼格式。
decode是任何字符串具有的方法，將字符串轉(zhuǎn)換成unicode格式，參數(shù)指示源字符串的編碼格式。
encode也是任何字符串具有的方法，將字符串轉(zhuǎn)換成參數(shù)指定的格式。
