转载自：http://blog.csdn.net/suofiya2008/article/details/
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g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：
import sys print sys.maxunicode
a = “ 风卷残云 “ print type(a) b = a.unicode(a, “ gb2312 “ ) print type(b)
c = b.encode( “ utf-8 “ ) print c
-*- encoding: gb2312 -*-
import
codecs, sys
‘
–
‘
*
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
“
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
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
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
len(b2[0])
# -*- 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)
——————————————————————————————————————————————————
>>> import codecs
>>> t = codecs.lookup("utf-8" )
>>> print t
(
,
,
,
)
>>> encoder = t[0]
>>> decoder = t[1]
>>> StreamReader = t[2]
>>> StreamWriter = t[3]
- getencoder(encoding)
- getdecoder(encoding)
- getreader(encoding)
- getwriter(encoding)
>>> encoder = codecs.getencoder("utf-8" )
>>> fin = codecs.open("e://mycomputer.txt" , "r" , "utf-8" )
>>> print fin.readline()
这是我的电脑
>>> fin.close()
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/199763.html原文链接：https://javaforall.net
