python讀寫文件，和設(shè)置文件的字符編碼比如utf-8

一. Python打開文件代碼如下：

f=open("d:\test.txt","w")

說明：
第一個參數(shù)是文件名稱，包括路徑；
第二個參數(shù)是打開的模式mode

'r'：只讀（缺省。如果文件不存在，則拋出錯誤）
'w'：只寫（如果文件不存在，則自動創(chuàng)建文件）
'a'：附加到文件末尾
'r+'：讀寫 

如果需要以二進(jìn)制方式打開文件，需要在mode后面加上字符"b"，比如"rb""wb"等

二、python讀取文件內(nèi)容f.read(size)

參數(shù)size表示讀取的數(shù)量，可以省略。如果省略size參數(shù)，則表示讀取文件所有內(nèi)容。

f.readline()讀取文件一行的內(nèi)容 f.readlines()讀取所有的行到數(shù)組里面[line1,line2,...lineN]。

在避免將所有文件內(nèi)容加載到內(nèi)存中，這種方法常常使用，便于提高效率。

三、python寫入文件f.write(string)

將一個字符串寫入文件，如果寫入結(jié)束，必須在字符串后面加上"\n"，然后f.close()關(guān)閉文件

四、文件中的內(nèi)容定位

f.read()讀取之后，文件指針到達(dá)文件的末尾，如果再來一次f.read()將會發(fā)現(xiàn)讀取的是空內(nèi)容，如果想再次讀取全部內(nèi)容，必須將定位指針移動到文件開始：

f.seek(0)

這個函數(shù)的格式如下（單位是bytes）：f.seek(offset, from_what) from_what表示開始讀取的位置，offset表示從from_what再移動一定量的距離，比如f.seek(10, 3)表示定位到第三個字符并再后移10個字符。

from_what值為0時表示文件的開始，它也可以省略，缺省是0即文件開頭。下面給出一個完整的例子：

f = open('/tmp/workfile', 'r+')
f.write('0123456789abcdef')
f.seek(5)     # Go to the 6th byte in the file
f.read(1)        
f.seek (-3, 2) # Go to the 3rd byte before the end
f.read(1)

五、關(guān)閉文件釋放資源文件操作完畢，一定要記得關(guān)閉文件f.close()，可以釋放資源供其他程序使

只是ASCII或者gbk編碼格式的的文件讀寫，比較簡單，讀寫如下：

# coding=gbk

f = open('c:/intimate.txt','r') # r 指示文件打開模式，即只讀
s1 = f.read()
s2 = f.readline()
s3 = f.readlines() #讀出所有內(nèi)容

f.close()

f = open('c:/intimate.txt','w') # w 寫文件
11 f.write(s1)
12 f.writelines(s2) # 沒有writeline
13 f.close()

六. f.writelines不會輸出換行符。

python unicode文件讀寫：

# coding=gbk
import codecs

f = codecs.open('c:/intimate.txt','a','utf-8')
f.write(u'中文')
s = '中文'
f.write(s.decode('gbk'))
f.close()

f = codecs.open('c:/intimate.txt','r','utf-8')
s = f.readlines()
f.close()
for line in s:
    print line.encode('gbk')

python代碼文件的編碼

py文件默認(rèn)是ASCII編碼，中文在顯示時會做一個ASCII到系統(tǒng)默認(rèn)編碼的轉(zhuǎn)換，這時就會出錯：SyntaxError: Non-ASCII character。需要在代碼文件的第一行或第二行添加編碼指示：

# coding=utf-8 ##以utf-8編碼儲存中文字符

print '中文'像上面那樣直接輸入的字符串是按照代碼文件的編碼來處理的，如果用unicode編碼，有以下2種方式：

s1 = u'中文' #u表示用unicode編碼方式儲存信息

s2 = unicode('中文','gbk')

unicode是一個內(nèi)置函數(shù)，第二個參數(shù)指示源字符串的編碼格式。

decode是任何字符串具有的方法，將字符串轉(zhuǎn)換成unicode格式，參數(shù)指示源字符串的編碼格式。

encode也是任何字符串具有的方法，將字符串轉(zhuǎn)換成參數(shù)指定的格式。

python字符串的編碼

用 u'漢字' 構(gòu)造出來的是unicode類型，不用的話構(gòu)造出來是str類型

str的編碼是與系統(tǒng)環(huán)境相關(guān)的，一般就是sys.getfilesystemencoding()得到的值

所以從unicode轉(zhuǎn)str，要用encode方法

從str轉(zhuǎn)unicode，所以要用decode

例如：

# coding=utf-8   #默認(rèn)編碼格式為utf-8

s = u'中文' #unicode編碼的文字
print s.encode('utf-8')   #轉(zhuǎn)換成utf-8格式輸出
print s #效果與上面相同，似乎默認(rèn)直接轉(zhuǎn)換為指定編碼

我的總結(jié)：

u=u'unicode編碼文字'
g=u.encode('gbk') #轉(zhuǎn)換為gbk格式
print g #此時為亂碼，因為當(dāng)前環(huán)境為utf-8,gbk編碼文字為亂碼
str=g.decode('gbk').encode('utf-8')   #以gbk編碼格式讀取g（因為他就是gbk編碼的）并轉(zhuǎn)換為utf-8格式輸出
print str #正常顯示中文

安全的方法：

s.decode('gbk','ignore').encode('utf-8′) #以gbk編碼讀取（當(dāng)然是讀取gbk編碼格式的文字了）并忽略錯誤的編碼，轉(zhuǎn)換成utf-8編碼輸出

因為decode的函數(shù)原型是decode([encoding], [errors='strict'])，可以用第二個參數(shù)控制錯誤處理的策略，默認(rèn)的參數(shù)就是strict，代表遇到非法字符時拋出異常；

如果設(shè)置為ignore，則會忽略非法字符； 
如果設(shè)置為replace，則會用?取代非法字符； 
如果設(shè)置為xmlcharrefreplace，則使用XML的字符引用。