python讀取中文

如何從文件中讀取300個漢字？

看起來很簡單，但很容易掉坑里了。

 

一開始我這么寫：

    try:
        fd = codecs.open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id), encoding='utf-8')
        #fd = open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id))
        text = fd.read(300)
        fd.close()
    except Exception, e:
        print "content.load() Error:", e

 

但是文件中如果是中英文夾雜怎么辦？

因為 utf8編碼是變長的，所以很有可能會讀出半個漢字。

 

解決辦法：

1.寫文件時指定 utf8編碼：

import  codecs

fd = codecs.open(conf.data_directory + os.sep + conf.text_directory + os.sep + channel_name + os.sep + str(id),
                             'w+', "utf-8")
fd.write(text)
fd.close()

 http://segmentfault.com/q/1010000000131965

 

2.指定 utf8讀文件：

    try:
        fd = codecs.open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id), encoding='utf-8')
        #fd = open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id))
        text = fd.read(settings.TAG_ARTICLE_CHARACTERS_NUMBERS)
        fd.close()
    except Exception, e:
        print "content.load() Error:", e

 http://blog.sina.com.cn/s/blog_630c58cb0100vqtc.html