Python字符集編碼和文件讀寫

python中默認編碼是ASCII，可以通過以下方式設置和獲取：

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

但直到python重新啟動后新的默認編碼才會生效，我試了一下，setdefaultencoding總是會出錯，沒有這個屬性。用dir看，確實沒有，python版本是2.5，不知道是否被取消了。

使用print來輸出時，python將內容傳遞給系統處理，windows會按照系統默認編碼來輸出。如果包含了中文，就要注意幾點。

1 python代碼文件的編碼
py文件默認是ASCII編碼，中文在顯示時會做一個ASCII到系統默認編碼的轉換，這時就會出錯：SyntaxError: Non-ASCII character。需要在代碼文件的第一行或第二行添加編碼指示：

1  #  coding=gbk
2  print   ' 中文 '

2 字符串的編碼
像上面那樣直接輸入的字符串是按照代碼文件的編碼來處理的，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是一個內置函數，第二個參數指示源字符串的編碼格式。
decode是任何字符串具有的方法，將字符串轉換成unicode格式，參數指示源字符串的編碼格式。
encode也是任何字符串具有的方法，將字符串轉換成參數指定的格式。

3 系統的默認編碼
對 於中文系統來說，默認的是gbk，gb2312也可以，因為它是gbk的字集。使用print輸出時，字符串會被轉換成此格式(字符串轉換成系統默認編碼，print后才可以正常顯示)，隱式轉換時，是從代碼文件 編碼格式轉換成gbk，默認是ASCII->GBK。考慮上面第二點，如果字符串編碼不是ASCII，則隱式轉換會出錯，需要顯式轉換，使用 encode方法。如果指定了代碼文件格式為gbk，則隱式轉換不存在問題。

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

文件讀寫

---

只是ASCII或者gbk編碼格式的的文件讀寫，比較簡單，讀寫如下：

 1  #  coding=gbk
 2 
 3  f  =  open( ' c:/intimate.txt ' , ' r ' )  #  r 指示文件打開模式，即只讀
 4  s1  =  f.read()
 5  s2  =  f.readline()
 6  s3  =  f.readlines()  # 讀出所有內容
 7 
 8  f.close()
 9 
10  f  =  open( ' c:/intimate.txt ' , ' w ' )  #  w 寫文件
11  f.write(s1)
12  f.writelines(s2)  #  沒有writeline
13  f.close()

f.writelines不會輸出換行符。
unicode文件讀寫：

 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()//從文件read的字符串，默認是文件自己的編碼方式。因此要print輸出，還需要把編碼改成系統默認的輸出編碼才可以正常顯示。
12  f.close()
13  for  line  in  s:
14       print  line.encode( ' gbk ' ) //utf-8編碼encode成gbk的，輸出