python中使用文件的读取编码问题和简单正则使用（一）

p { margin-bottom: 0.25cm; line-height: 120% }

今天想写个程序合并文件的，以前一直觉得python的编码解码好烦，只要处理文件合并之类的都是用C#写，但是最近用的是linux，也没有vs，就只能乖乖的用python 写了，早上看了下，也没有我想的负责，只能说以前太那啥了。。。。好了，闲话少说，下面先简单介绍下文件读取操作吧。

首先说明的是我用的python2.7,python读取文件内容主要有下面几种常用方法：先来个测试，方面大家可以清晰了解每种方法具体是啥样子的。

文件的内容是下面这样的

一种：fopen.read(size)  

p { margin-bottom: 0.25cm; line-height: 120% }

 

参数size指的是读取数量，如果省略的化，表示的读取整个文件内容

  

1 # coding=utf-82 fopen=open('train2.txt','r')3 text=fopen.read()4 print(text)#默认读取全部内容

 

显示整个文本内容，如下：

二种：fopen.readline()读取文件一行的内容

三种：fopen.readlines()读取所有的行到list里面，[line1,line2,...lineN] 这是一种常用的方法，避免将所有文件加载到内存，提高运行效率

 

fopen=open('train2.txt','r')lines=[]lines=fopen.readlines()for line in lines:    print(line)

 

 

p { margin-bottom: 0.25cm; line-height: 120% }

读文件差不多就这样了，下面我们来说下写文件，这就涉及到编码问题了，python中的写文件为fout.write(str),str为一个字符串。

对于中文字符的写入大多会因为编码问题提示出错。

py文件默认是ASCII编码 ，所以在显示中文的时候，会t提示SyntaxError: Non-ASCII character之类的错误，首先在代码前端加入：

# coding=utf-8

unicode是一个内置函数，第二个参数指示源字符串的编码格式。

decode是任何字符串具有的方法，将字符串转换成unicode格式，参数指示源字符串的编码格式。

encode也是任何字符串具有的方法，将字符串转换成参数指定的格式。

用 u'汉字' 构造出来的是unicode类型，不用的话构造出来是str类型

从unicode转str，要用encode方法

从str转unicode，要用decode

所以在写入中文的时候，代码如下：

 

# coding=utf-8fopen=open('train2.txt','r')fout=open('2.txt','w')lines=[]lines=fopen.readlines()for line in lines:    #以gbk编码读取（当然是读取gbk编码格式的文字了）并忽略错误的编码，转换成utf-8编码输出     line.decode('gbk','ignore').encode('utf-8')    fout.write(line)    fout.write('\n')#这是换行

 

 

设置默认编码

 

设置默认编码，我觉得对于一些文件的读写还是挺有用处的，形式如下面这样

import syssys.getdefaultencoding()reload(sys)sys.setdefaultencoding('utf-8')

 

好了，读写文件差不多这些也够用了，下面说个简单的正则，这个放在下篇了

 

 

p { margin-bottom: 0.25cm; line-height: 120% }