讀寫中文

需要讀取utf-8編碼的中文文件，先利用sublime text軟件將它改成無DOM的編碼，然后用以下代碼：

            
with codecs.open(note_path, 'r+','utf-8') as f:
line=f.readline()
print line


          

這樣就可以正確地讀出文件里面的中文字符了。

同樣的，如果要在創建的文件中寫入中文，最好也和上面差不多：

            
with codecs.open(st,'a+','utf-8') as book_note:
book_note.write(st)


          

創建中文文件

然后以讀出的字符為文件名，創建文件。

如果直接用上面讀出來的字符串創建文件，則會出現：

            
st=digest_path+"\\"+onenote[0]+".txt"
print st
with open(st,'a+') as book_note:


          

經過調試，應該是最后一個換行符的問題，在生成名字的時候，將字符trip一下，就能夠得到文件：

            
st=digest_path+"\\"+onenote[0].strip()+".txt"


          

中文編碼問題是用中文的程序員經常頭大的問題，在python下也是如此，那么應該怎么理解和解決python的編碼問題呢？

我們要知道python內部使用的是unicode編碼，而外部卻要面對千奇百怪的各種編碼，比如作為中國程序經常要面對的gbk，gb2312，utf8等，那這些編碼是怎么轉換成內部的unicode呢？

首先我們先看一下源代碼文件中使用字符串的情況。源代碼文件作為文本文件就必然是以某種編碼形式存儲代碼的，python默認會認為源代碼文件是asci編碼，比如說代碼中有一個變量賦值：

            
s1='a' 
print s1


          

python認為這個'a'就是一個asci編碼的字符。在僅僅使用英文字符的情況下一切正常，但是如果用了中文，比如：

            
s1='哈' 
print s1


          

這個代碼文件被執行時就會出錯，就是編碼出了問題。python默認將代碼文件內容當作asci編碼處理，但asci編碼中不存在中文，因此拋出異常。

解決問題之道就是要讓python知道文件中使用的是什么編碼形式，對于中文，可以用的常見編碼有utf-8，gbk和gb2312等。只需在代碼文件的最前端添加如下：

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


          

這就是告知python我這個文件里的文本是用utf-8編碼的，這樣，python就會依照utf-8的編碼形式解讀其中的字符，然后轉換成unicode編碼內部處理使用。

不過，如果你在Windows控制臺下運行此代碼的話，雖然程序是執行了，但屏幕上打印出的卻不是哈字。這是由于python編碼與控制臺編碼的不一致造成的。Windows下控制臺中的編碼使用的

是gbk，而在代碼中使用的utf-8，python按照utf-8編碼打印到gbk編碼的控制臺下自然就會不一致而不能打印出正確的漢字。

解決辦法一個是將源代碼的編碼也改成gbk，也就是代碼第一行改成：

            
# -*- coding: gbk -*-


          

另一種方法是保持源碼文件的utf-8不變，而是在'哈'前面加個u字，也就是:

            
s1=u'哈' 
print s1


          

這樣就可以正確打印出'哈'字了。

這里的這個u表示將后面跟的字符串以unicode格式存儲。python會根據代碼第一行標稱的utf-8編碼識別代碼中的漢字'哈'，然后轉換成unicode對象。如果我們用type查看一下'哈'的數據類型type(‘哈')，會得到 ，而type(u'哈')，則會得到 ，也就是在字符前面加u就表明這是一個unicode對象，這個字會以unicode格式存在于內存中，而如果不加u，表明這僅僅是一個使用某種編碼的字符串，編碼格式取決于python對源碼文件編碼的識別，這里就是utf-8。

Python在向控制臺輸出unicode對象的時候會自動根據輸出環境的編碼進行轉換，但如果輸出的不是unicode對象而是普通字符串，則會直接按照字符串的編碼輸出字符串，從而出現上面的現象。

使用unicode對象的話，除了這樣使用u標記，還可以使用unicode類以及字符串的encode和decode方法。

unicode類的構造函數接受一個字符串參數和一個編碼參數，將字符串封裝為一個unicode，比如在這里，由于我們用的是utf-8編碼，所以unicode中的編碼參數使用'utf-8′將字符封裝為

unicode對象，然后正確輸出到控制臺：

            
s1=unicode(‘哈', ‘utf-8′) 
print s1

          

另外，用decode函數也可以將一個普通字符串轉換為unicode對象。很多人都搞不明白python字符串的decode和encode函數都是什么意思。這里簡要說明一下。

decode是將普通字符串按照參數中的編碼格式進行解析，然后生成對應的unicode對象，比如在這里我們代碼用的是utf-8，那么把一個字符串轉換為unicode就是如下形式：

            
s2='哈'.decode(‘utf-8′)


          

這時，s2就是一個存儲了'哈'字的unicode對象，其實就和unicode(‘哈', ‘utf-8′)以及u'哈'是相同的。

那么encode正好就是相反的功能，是將一個unicode對象轉換為參數中編碼格式的普通字符，比如下面代碼：

            
s3=unicode(‘哈', ‘utf-8′).encode(‘utf-8′)


          

s3現在又變回了utf-8的'哈'。