python中使用文件的讀取編碼問題和簡單正則使用（一）

今天想寫個程序合併文件的，之前一直以爲python的編碼解碼好煩，只要處理文件合併之類的都是用C# 寫，可是最近用的是linux，也沒有vs，就只能乖乖的用python 寫了，早上看了下，也沒有我想的負責，只能說之前太那啥了。。。。好了，閒話少說，下面先簡單介紹下文件讀取操做吧。

首先說明的是我用的python2.7,python讀取文件內容主要有下面幾種經常使用方法：先來個測試，方面你們能夠清晰瞭解每種方法具體是啥樣子的。

文件的內容是下面這樣的

一種：fopen.read(size)  

 

參數size指的是讀取數量，若是省略的化，表示的讀取整個文件內容

  

1 # coding=utf-8
2 fopen=open('train2.txt','r')
3 text=fopen.read()
4 print(text)#默認讀取所有內容

 

顯示整個文本內容，以下：

二種：fopen.readline()讀取文件一行的內容

三種：fopen.readlines()讀取全部的行到list裏面，[line1,line2,...lineN] 這是一種經常使用的方法，避免將全部文件加載到內存，提升運行效率

 

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

 

 

讀文件差很少就這樣了，下面咱們來講下寫文件，這就涉及到編碼問題了，python中的寫文件爲fout.write(str),str爲一個字符串。

對於中文字符的寫入大多會由於編碼問題提示出錯。

py文件默認是ASCII編碼 ，因此在顯示中文的時候，會t提示SyntaxError: Non-ASCII character之類的錯誤，首先在代碼前端加入：

# coding=utf-8

unicode是一個內置函數，第二個參數指示源字符串的編碼格式。

decode是任何字符串具備的方法，將字符串轉換成unicode格式，參數指示源字符串的編碼格式。

encode也是任何字符串具備的方法，將字符串轉換成參數指定的格式。

用 u'漢字' 構造出來的是unicode類型，不用的話構造出來是str類型

從unicode轉str，要用encode方法

從str轉unicode，要用decode

因此在寫入中文的時候，代碼以下：

 

# coding=utf-8
fopen=open('train2.txt','r')
fout=open('2.txt','w')
lines=[]
lines=fopen.readlines()
for line in lines:    #以gbk編碼讀取（固然是讀取gbk編碼格式的文字了）並忽略錯誤的編碼，轉換成utf-8編碼輸出 
    line.decode('gbk','ignore').encode('utf-8')
    fout.write(line)
    fout.write('\n')#這是換行

 

 

設置默認編碼

 

設置默認編碼，我以爲對於一些文件的讀寫仍是挺有用處的，形式以下面這樣

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

 

好了，讀寫文件差很少這些也夠用了，下面說個簡單的正則，這個放在下篇了