Python:文件读写及中文编码处理

原文地址：http://hi.baidu.com/mdj_hu/item/4d7d0803d38e62e1fe240de4。

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

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

话说，本人在windows下DOS里面实验仍然不好用，最后是用如下代码才不输出乱码的，具体咋回事有点浆糊：

# coding=gbkimport codecsf = codecs.open('data2.txt','r','utf-8')s = f.readlines()f.close()for line in s:    print line.encode('gbk','ignore')#注意，这个地方这样才不会输出乱码