python 字符集编码设置(精华)
原文来自:
http://bbs.chinaunix.net/thread-3660447-1-1.html
6楼
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)
b = a.unicode(a, " gb2312 " )
print type(b)
输出:
<type 'str'>
<type 'unicode'>
这个时候b可以方便的任意转换为其他编码,比如转换为utf-8:
c = b.encode( " utf-8 " )
print c
c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。
# -*- encoding: gb2312 -*-
import codecs, sys
print ' - ' * 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 "
print 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
print 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
print 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
print len(b2[0])
上面的代码就是codecs的使用,是最常见的用法。另外还有一个问题就是,如果我们处理的文件里的字符编码是其他类型的呢?这个读取进行做处理也需要特殊的处理的。codecs也提供了方法.
# -*- 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)
上面这个处理big5的,可以去找段big5编码的文件试试。
转载于:https://www.cnblogs.com/cheungjustin/archive/2012/01/14/2322350.html
python 字符集编码设置(精华)相关推荐
- Python字符集编码和文件读写
Python字符集编码和文件读写 python中默认编码是ASCII,可以通过以下方式设置和获取: import sys print sys.getdefaultencoding() sys.setd ...
- Linux基础优化方法(三)———字符集编码设置优化
Linux基础优化方法(三)---字符集编码设置优化 一.什么是字符编码 二.编码GB2312.GBK.UTF-8 三.工作时有乱码的原因 四.进行优化 1.CentOS 6 ①.查看默认编码信息: ...
- mysql设置字符集 php_MySQL字符集编码设置与PHP显示乱码的解决办法
转自:博客水木 http://shuimu.js.cn/mysql-php-character-set-encoding-settings-and-garbled-solution.html PHP显 ...
- shp设置utf8格式_shapefile与字符集编码设置
在 ArcGIS Desktop (ArcMap, ArcCatalog, and ArcToolbox) 中,有编码页转换功能(CODE PAGE CONVERSION),可以读写多种字符编码的 s ...
- SSH客户端字符集编码设置
XShell SecrueCRT
- MYSQL数据库字符编码设置
mysql字符集编码设置与查看命令 转自http://www.111cn.net/database/mysql/55781.htm 在mysql对字符编码的查看我们使用SHOW VARIABLES L ...
- mysql字符集编码和排序规则
环境: mysql 5.7 26 DBeaver 21.1.2.202107041908 参考:<MySQL字符集与排序规则总结> 建议先阅读:<细说ASCII.GB2312/GBK ...
- Mysql的字符集编码选择
mysql版本:5.7.37 所有内容都来自于mysql5.7文档,这里只是做个笔记,方便以后自己查看. mysql中的基础概念: character set:字符集编码. collations:与字 ...
- 分享一点python 编码设置的知识
昨天我写了个python 操作mysql的方法,按照文档的提供的参数来写,写完了以后自己测试发现报了一个编码的错误,也不知道为什么会报这个错误,我一般对编码的错误比较在意,原来搞php的时候,就出现过 ...
最新文章
- C# WINFORM ListView用法详解(转)
- 顺序表的基本操作实验报告_INDIRECT函数从入门到进阶之相同顺序跨表引用
- 互联网级监控系统必备-时序数据库之Influxdb集群及踩过的坑
- Python基础__Python序列基本类型及其操作(1)
- C# 数据库连接字符串拼接
- c语言中memset_C中的memset()
- MySQL 基础操作
- oracle 自定义比较函数
- dubbo kryo序列化_Java后端精选技术:序列化框架的选型和比对
- 7923 consoleconsumer 怎么关闭_英雄联盟手游怎么设置最好 LOL手游最佳设置攻略_英雄联盟手游...
- 哈夫曼编码(Huffman Coding)原理详解
- 于歆杰pdf 电路原理_buck电路原理(于歆杰 电路原理pdf)
- html页面出现504,web生产环境故障页面提示504错误
- 用rand(7)构造rand(10)
- 杂谈---一个项目经理的自我反省
- 网站设计分析:banner中的字体结构
- 【哲理】24部经电影的24句话和24个哲理
- 2014年互联网IT待遇
- 【第三次全国土壤普查解读】
- 【Sqlite】sqlite安装与与使用图文详解
热门文章
- python构造数组并命名_Numpy数组追加命名列
- 使用vue-cli初始化项目时运行‘npm run dev’报错
- oracle容器部署,Linux docker oracle 部署
- can test 接收报文_获取CAN报文并解析
- android 拖动进度,Android 可拖动的seekbar自定义进度值
- 简述mysql的事务_请简述为什么要使用数据库的事务
- python类介绍_Python基础介绍 | Class类
- linux添加后门方法,超初级的linux后门制作方法
- oracle number长度转换,Oracle Number型数值存储与转换的实现详解
- php推送系统,php 如何加入即时推送的功能