python教程--读写中文文件

字符串在Python内部的表示是 unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，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。 

decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。 

encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。 

因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成unicode，然后再encode成其他编码

 

Python在执行py文件时，默认不能解析中文字符，如果程序中需要使用中文，或者添加了中文注释。会直接报”SyntaxError: Non-ASCII character"，语法失败。

在源代码第一行添加：

# -*- coding: utf-8 -*-

用来指定文件编码为utf-8。在执行py就不会报错。

 

在Windows保存的文本文件都是ANSI编码格式，Python读出的中文字符串可以直接显示。

#coding:utf-8

import string
import sys

f = open(sys.argv[1],'r')
while True:
    line = f.readline()
    if line:
        print line
    else:
        break
   
f.close() 

如果需要对读入的中文字符操作，比如:

print '输入的是:%s' % line

输出结果却是这样：

杈撳叆鐨勬槸中文

在这里要对读入的字符串进行转码，将gbk、gb2312转换为unicode.

s =  u'中文: %s' % line.decode('gbk')
print s

 

 

 

 

参考资料：

PEP 0263 -- Defining Python Source Code Encodings
http://www.python.org/dev/peps/pep-0263/