Python字符集编码和文件读写

python中默认编码是ASCII，可以通过以下方式设置和获取：

import  sys
print  sys.getdefaultencoding()
sys.setdefaultencoding( ' gbk ' )

但直到python重新启动后新的默认编码才会生效，我试了一下，setdefaultencoding总是会出错，没有这个属性。用dir看，确实没有，python版本是2.5，不知道是否被取消了。

使用print来输出时，python将内容传递给系统处理，windows会按照系统默认编码来输出。如果包含了中文，就要注意几点。

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=gbk
2  print   ' 中文 '

2 字符串的编码
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，如果是unicode编码，有以下三种方式：

1  s1  =  u ' 中文 '
2  s2  =  unicode( ' 中文 ' , ' gbk ' )
3  s3  =  s1.decode( ' 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。

3 系统的默认编码
对 于中文系统来说，默认的是gbk，gb2312也可以，因为它是gbk的字集。使用print输出时，字符串会被转换成此格式(字符串转换成系统默认编码，print后才可以正常显示)，隐式转换时，是从代码文件 编码格式转换成gbk，默认是ASCII->GBK。考虑上面第二点，如果字符串编码不是ASCII，则隐式转换会出错，需要显式转换，使用 encode方法。如果指定了代码文件格式为gbk，则隐式转换不存在问题。

1  #  coding=gbk
2 
3  s  =  u ' 中文 '
4  print  s.encode( ' gbk ' )

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()//从文件read的字符串，默认是文件自己的编码方式。因此要print输出，还需要把编码改成系统默认的输出编码才可以正常显示。
12  f.close()
13  for  line  in  s:
14       print  line.encode( ' gbk ' ) //utf-8编码encode成gbk的，输出