python中使用文件的读取编码问题和简单正则使用（一）

今天想写个程序合并文件的，之前一直以为python的编码解码好烦，只要处理文件合并之类的都是用C# 写，可是最近用的是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，只能说之前太那啥了。。。。好了，闲话少说，下面先简单介绍下文件读取操做吧。

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经常使用方法：先来个测试，方面你们能够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)  

 

参数size指的是读取数量，若是省略的化，表示的读取整个文件内容

  

1 # coding=utf-8
2 fopen=open('train2.txt','r')
3 text=fopen.read()
4 print(text)#默认读取所有内容

 

显示整个文本内容，以下：

二种：fopen.readline()读取文件一行的内容

三种：fopen.readlines()读取全部的行到list里面，[line1,line2,...lineN] 这是一种经常使用的方法，避免将全部文件加载到内存，提升运行效率

 

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

 

 

读文件差很少就这样了，下面咱们来讲下写文件，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由于编码问题提示出错。

py文件默认是ASCII编码 ，因此在显示中文的时候，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是任何字符串具备的方法，将字符串转换成unicode格式，参数指示源字符串的编码格式。

encode也是任何字符串具备的方法，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

因此在写入中文的时候，代码以下：

 

# coding=utf-8
fopen=open('train2.txt','r')
fout=open('2.txt','w')
lines=[]
lines=fopen.readlines()
for line in lines:    #以gbk编码读取（固然是读取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，我以为对于一些文件的读写仍是挺有用处的，形式以下面这样

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

 

好了，读写文件差很少这些也够用了，下面说个简单的正则，这个放在下篇了