Python处理中文
来源:互联网 发布:约瑟夫环用到的算法 编辑:程序博客网 时间:2024/04/27 14:27
用Python写了个从一堆中文微博中抽取电影票房数据的程序,处理中文编码问题非常麻烦,有以下经验:
1,在正则表达式中的中文应该用\uXXXX的形式,正则表达式字符串还要以ur为前缀(u表示unicode,r表示raw,即忽略C++形式的转义字符)。
2,各种编码都统一成UTF8的时候世界终于清静了
4,源码开头要加这样几行:
# coding=utf8import sysreload(sys)sys.setdefaultencoding('utf-8')
(注意:如果加了第一行,那么代码文件本身也需要时UTF-8编码,且不带BOM)
5,从一个utf8文件读出来的每一行文本都要调用 line.decode('utf8')
注意这个函数并不修改字符串对象本身,而是返回一个解码后的新对象
对Python程序字符编码涉及层面的一个推测:
分成三层,应用程序层面、Python解释器层面、系统层面。
应用程序层面的编码可以控制。
Python解释器层面好像是unicode编码,在它看来其他字符编码都是把字符串“encode”了。所以python自带的字符串decode函数意义是:按照参数指定的编码格式,把字符串转换(解码)成解释器自己的编码格式(即unicode格式)。而encode的意思是把字符串从解释器的内部编码格式(即unicode)编码成参数所指定的编码格式的字符串。
0 0
- python中文处理
- python中文字符串处理
- Python的中文处理
- ZZ python处理中文
- [转贴]:Python中文处理
- python中文处理
- Python的中文处理
- python处理中文字符
- python中文处理
- Python:中文处理小结
- Python:中文处理攻略
- Python处理中文路径
- python中文处理
- Python的中文处理
- python 处理中文Excel
- Python处理中文
- Python 中文处理
- Python的中文处理
- SQLite数据库版本升级的管理实现
- Java并发编程4.4-向已有的线程安全类添加功能
- 深入分析HBase-Phoenix执行机制与原理
- Java并发编程4.5-同步策略的文档化
- c51 GPGGA数据流接收分析
- Python处理中文
- week7-学习写技术交底书的所得
- week_7flask入门学习
- ATech - FastJson
- Android的java.lang.IllegalStateException
- C#--数据类型
- C++ prime plus 第八章8.8-5
- 数据结构分析方法
- nyoj网络的可靠性