python模块之codecs: 自然语言编码转换
来源:互联网 发布:数据存储量最大的是 编辑:程序博客网 时间:2024/05/11 15:35
python对多国语言的处理是支持的很好的,它可以处理现在任意编码的字符,这里深入的研究一下python对多种不同语言的处理。
有一点需要清楚的是,当python要做编码转换的时候,会借助于内部的编码,转换过程是这样的:
原有编码 -> 内部编码 -> 目的编码
python的内部是使用unicode来处理的,但是unicode的使用需要考虑的是它的编码格式有两种,一是UCS-2,它一共有65536个码 位,另一种是UCS-4,它有2147483648g个码位。对于这两种格式,python都是支持的,这个是在编译时通过--enable- unicode=ucs2或--enable-unicode=ucs4来指定的。那么我们自己默认安装的python有的什么编码怎么来确定呢?有一个 办法,就是通过sys.maxunicode的值来判断:
print sys.maxunicode
如果输出的值为65535,那么就是UCS-2,如果输出是1114111就是UCS-4编码。
我们要认识到一点:当一个字符串转换为内部编码后,它就不是str类型了!它是unicode类型:
a = " 风卷残云 " print type(a)b = a.unicode(a, " gb2312 " )print type(b)
输出:
<type 'str'>
<type 'unicode'>
这个时候b可以方便的任意转换为其他编码,比如转换为utf-8:
print c
c输出的东西看起来是乱码,那就对了,因为是utf-8的字符串。
好了,该说说codecs模块了,它和我上面说的概念是密切相关的。codecs专门用作编码转换,当然,其实通过它的接口是可以扩展到其他关于代码方面的转换的,这个东西这里不涉及。
# -*- encoding: gb2312 -*- import codecs, sysprint ' - ' * 60 # 创建gb2312编码器 look = codecs.lookup( " gb2312 " )# 创建utf-8编码器 look2 = codecs.lookup( " utf-8 " )a = " 我爱北京 " print len(a), a# 把a编码为内部的unicode, 但为什么方法名为decode呢,我的理解是把gb2312的字符串解码为unicode b = look.decode(a)# 返回的b[0]是数据,b[1]是长度,这个时候的类型是unicode了 print b[ 1 ], b[0], type(b[0])# 把内部编码的unicode转换为gb2312编码的字符串,encode方法会返回一个字符串类型 b2 = look.encode(b[0])# 发现不一样的地方了吧?转换回来之后,字符串长度由14变为了7! 现在的返回的长度才是真正的字数,原来的是字节数 print b2[ 1 ], b2[0], type(b2[0])# 虽然上面返回了字数,但并不意味着用len求b2[0]的长度就是7了,仍然还是14,仅仅是codecs.encode会统计字数 print len(b2[0])
上面的代码就是codecs的使用,是最常见的用法。另外还有一个问题就是,如果我们处理的文件里的字符编码是其他类型的呢?这个读取进行做处理也需要特殊的处理的。codecs也提供了方法.
# -*- encoding: gb2312 -*- import codecs, sys# 用codecs提供的open方法来指定打开的文件的语言编码,它会在读取的时候自动转换为内部unicode bfile = codecs.open( " dddd.txt " , ' r ' , " big5 " )# bfile = open("dddd.txt", 'r') ss = bfile.read()bfile.close()# 输出,这个时候看到的就是转换后的结果。如果使用语言内建的open函数来打开文件,这里看到的必定是乱码 print ss, type(ss)
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs: 自然语言编码转换
- python模块之codecs
- python模块之codecs
- Python之codecs模块
- python模块之codecs
- Python模块之codecs
- Python模块之codecs
- Python模块之codecs
- 利用codecs模块批量转换文件编码
- python中编码解码--codecs模块
- python之decode、encode及codecs模块
- HDU-#5025 Saving Tang Monk(BFS+状态压缩)
- nyoj-100-1的个数
- 阻塞、非阻塞、同步、异步概念
- java作用域public ,private ,protected 及不写时的区别
- windows下socket编程:区分shutdown()及closesocket()
- python模块之codecs: 自然语言编码转换
- Java 学习 第一章 java基础语法总结
- SDUTOJ 1489 求二叉树的先序遍历
- Cocos2d-X中实现菜单特效
- 题目1156:谁是你的潜在朋友
- STM32 Systick
- P2P通信
- UVA 10065 Useless Tile Packers(凸包面积)
- 2014项目总结:一个比较失败的项目总结