python ：codecs模块简介

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2147483648g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)

如果输出的值为65535,那么就是UCS-2,如果输出是1114111就是UCS-4编码。
我们要认识到一点：当一个字符串转换为内部编码后，它就不是str类型了！它是unicode类型：

a  =   " 风卷残云 "
print(type(a))

<class 'str'>

b  =  a.encode( " utf-8 " )
print(b)

b' \xe9\xa3\x8e\xe5\x8d\xb7\xe6\xae\x8b\xe4\xba\x91 '

b输出的东西看起来是乱码，那就对了，因为是utf-8的字符串。

好了，该说说codecs模块了，它和我上面说的概念是密切相关的。codecs专门用作编码转换，当然，其实通过它的接口是可以扩展到其他关于代码方面的转换的，这个东西这里不涉及。

codecs专门用作编码转换，当我们要做编码转换的时候可以借助codecs很简单的进行编码转换

codecs模块提供一个open方法，三个参数encoding, errors, buffering，这三个参数都是可选参数，但是对于应用来说，需要明确指定encoding的值，而errors和buffering使用默认值即可。使用方法如下：

import codecs
# 从文件读取数据
data = codecs.open("text.txt", encoding="UTF-8")
print(data)

<codecs.StreamReaderWriter object at 0x107685320>

# 一行一行读取数据
data1 = data.readline()
print(data1)
# 度去完数据要把数据对象进行关闭，从内存里面释放出来
data.close()

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2147483648g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：

codecs模块为我们解决的字符编码的处理提供了lookup方法，它接受一个字符编码名称的参数，并返回指定字符编码对应的 encoder、decoder、StreamReader和StreamWriter的函数对象和类对象的引用。为了简化对lookup方法的调用， codecs还提供了getencoder(encoding)、getdecoder(encoding)、getreader(encoding)和 getwriter(encoding)方法；进一步，简化对特定字符编码的StreamReader、StreamWriter和 StreamReaderWriter的访问，codecs更直接地提供了open方法，通过encoding参数传递字符编码名称，即可获得对 encoder和decoder的双向服务

import codecs

t = codecs.lookup("utf-8" )

print(t)

<codecs.CodecInfo object for encoding utf-8 at 0x105629468>

encoder = t[0]

print(encoder)

<built-in function utf_8_encode>

decoder = t[1]

print(decoder)

<function decode at 0x10563f488>

StreamReader = t[2]

print(StreamReader)

<class 'encodings.utf_8.StreamReader'>

StreamWriter = t[3]

print(StreamWriter)

<class 'encodings.utf_8.StreamWriter'>