python 中的编码问题总结
来源:互联网 发布:拆弹部队知乎 编辑:程序博客网 时间:2024/06/11 16:26
一、首先,请选择python3.x最新版本。
因为最新版本的编码问题相对于之前的2.0版本要好不少。
二、在编写程序代码时,习惯性地在代码开始处加上下面的语句。
四、python3.2版本中对文件的读写操作都要指明编码。
参考代码如下:
f = open("1.txt","r",encoding="utf-8")
可能需要str的转化的情况:
因为最新版本的编码问题相对于之前的2.0版本要好不少。
二、在编写程序代码时,习惯性地在代码开始处加上下面的语句。
默认地,python的.py文件以标准的7位ASCII码存储,而不是unicode格式的,然而如果有的时候用户需要在.py文件中包含很多的unicode字符,例如.py文件中需要包含中文的字符串,这时可以在.py文件的第一行或第二行增加encoding注释来将.py文件指定为unicode格式。
#!/usr/bin/env python #设置Python解释器
# -*- coding: UTF-8 -*- #声明文件编码为utf-8
s = "中国" # String in quotes is directly encoded in UTF-8.
三、编写完代码,把代码存储成.py文件时确保文件编码与声明一致。
当你编写完代码,把代码存储成.py文件时,一定要将文件编码设为与开头的文件编码声明一致的编码(如:声明为# -*- coding: UTF-8 -*-,则可以通过使用notepad++等软件指定.py文件为utf-8编码)。
三、编写完代码,把代码存储成.py文件时确保文件编码与声明一致。
当你编写完代码,把代码存储成.py文件时,一定要将文件编码设为与开头的文件编码声明一致的编码(如:声明为# -*- coding: UTF-8 -*-,则可以通过使用notepad++等软件指定.py文件为utf-8编码)。
#获取文件的默认编码
import sys
print(sys.getdefaultencoding())
#设置python文件的编码
#encoding=uft-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
四、python3.2版本中对文件的读写操作都要指明编码。
参考代码如下:
f = open("1.txt","r",encoding="utf-8")
当然也可以使用codecs包进行文件的读取,在使用open()函数时指定编码的类型:
import codecs
f=codecs.open('123.txt','r+',encoding='utf-8)
五、python3.2版本中对于要读取的文件,如果文件的编码并不知道,可以先使用chardet(第三方库,需要下载)来进行判断,然后再根据判断所得的文件编码类型,指定文件的编码类型来进行文件的读取操作。
参考代码如下:
file = open(fileName, "rb")#要有"rb",如果没有这个的话,默认使用gbk读文件。
buf = file.read()
result = chardet.detect(buf)
file = open(fileName,"r",encoding=result["encoding"])
content = file.readlines()
五、python3.2版本中对于要读取的文件,如果文件的编码并不知道,可以先使用chardet(第三方库,需要下载)来进行判断,然后再根据判断所得的文件编码类型,指定文件的编码类型来进行文件的读取操作。
参考代码如下:
file = open(fileName, "rb")#要有"rb",如果没有这个的话,默认使用gbk读文件。
buf = file.read()
result = chardet.detect(buf)
file = open(fileName,"r",encoding=result["encoding"])
content = file.readlines()
使用中,chardet.detect()返回字典,其中confidence是检测精确度,encoding是编码形式
(1)网页编码判断:
>>> import urllib
>>> rawdata = urllib.urlopen('http://www.google.cn/').read()
>>> import chardet
>>> chardet.detect(rawdata)
检测的结果是:{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}
(2)文件编码判断
import chardet
tt=open('c:\\111.txt','rb')
ff=tt.readline()#这里试着换成read(5)也可以,但是换成readlines()后报错
enc=chardet.detect(ff)
print enc['encoding']
tt.close()
(1)网页编码判断:
>>> import urllib
>>> rawdata = urllib.urlopen('http://www.google.cn/').read()
>>> import chardet
>>> chardet.detect(rawdata)
检测的结果是:{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}
(2)文件编码判断
import chardet
tt=open('c:\\111.txt','rb')
ff=tt.readline()#这里试着换成read(5)也可以,但是换成readlines()后报错
enc=chardet.detect(ff)
print enc['encoding']
tt.close()
另外为了提高探测速度,可使用如下方式:
detector = UniversalDetector()
for line in f.readlines():
detector.feed(line)
if detector.done:
break
detector.close()
detector.result
(3)字符串编码的判断detector = UniversalDetector()
for line in f.readlines():
detector.feed(line)
if detector.done:
break
detector.close()
detector.result
isinstance(s,str) 用来判断是否为一般字符串
isinstance(s,unicode) 用来判断是否为unicode
或者:
if type(str).__name__!="unicode":
str=unicode(str,"utf-8")
else:
pass.
Python的encode和decode的用法:
无论是在python2.0还是在python3.0中,在做编码转换时,都通常以unicode做为中间编码,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。
一、Python2.0
decode encode
str--------------------->unicode----------------->str
如: str=u"中文" #指定str为unicode类型对象
uni=str.encode('gb2312') #unicode编码转换为gb2312编码
二、Python3.0
在新版的python3.0中,取消了unicode类型,代替它的是使用unicode字符的字符串类型str:
decode encode
bytes------------>str(unicode)----->bytes
注:代码中的字符串的默认编码与代码文件本身的编码是一致的,如:s=“中文",若在utf8的文件中,该字符串就是utf8编码,此时要进行编码转换,都需要先用decode方法将其转换为unicode编码,在使用encode方法将其转换成其他编码。在没有指定特定的编码方式时,使用系统默认编码。
s=u"中文"
则该字符串的编码已被指定为unicode了,即python的内部编码,而与文件本身的编码无关。此时,只需要使用encode方法就可以将其转换成指定编码即可。如果字符串已经是unicode时,再进行解码会出错,这是就需要判断其编码方式是否为unicode:
isinstance(s,unicode)
用非unicode编码形式的str来encode也会报错。
unicode(str,gb2312)与str.decode(gb2312)一样,都将gb2312编码的str转为unicode编码。
python2和python3中str的比较:
python3中的str的转化函数:
可能需要str的转化的情况:
0 0
- python 中的编码问题总结
- Python编码问题总结
- python编码问题总结
- python 编码问题总结
- Python编码问题总结
- python编码问题总结
- python编码问题总结
- python编码问题总结
- python编码问题总结
- python 编码问题总结
- python 编码问题总结
- python编码问题总结
- python中的编码问题
- Python中的编码问题
- python中的编码问题
- Python中的编码问题
- python中的编码问题
- python中的编码问题
- 1-5-JS基础-数组应用及实例应用
- c++指针简述
- java arraylist linkedlist vector
- CodeForces 319B
- 矩阵论:向量范数和矩阵范数
- python 中的编码问题总结
- C#:办公用品管理软件项目总结
- 人工神经网络——笔记摘抄1
- YARN架构的深入理解
- 精简指令集和复杂指令集的区别
- 服务器403错误的问题
- 装修注意事项
- 动态树(Link-Cut-Tree)结构与实现简讲
- sdut1252 进制转换