python3.x读写文件及BOM处理
1 python3.x读写文件及BOM处理
1.1 python3.x读取和写入Unicode
python3.x的字符串为unicode,可以调用encode()方法手动将字符串编码为字节串(原始字节),也可以通过文件输入输出自动编码。
1.1.1 手动编码
描述
python3.x的字符串通过encode(编码名)方法,将字符串转换为原始字节串。
示例
>>> s='梯'
# python3.x 字符串 str 对应 unicode
>>> s,type(s)
('梯', <class 'str'>)
>>> s_gbk=s.encode('gbk')
>>> s_utf8=s.encode('utf-8')
# 1个汉字,gbk编码为2个字节, utf-8 编码为3个字节
# 2位16进制 占1个字节
>>> s_gbk,s_utf8
(b'\xcc\xdd', b'\xe6\xa2\xaf')
>>> len(s_gbk),len(s_utf8)
(2, 3)
1.1.2 写文件编码
描述
open写文件时,指定的encoding为文件保存到磁盘时的编码格式。
示例
# 写文件时 encoding 表示文件存储到磁盘的编码格式
>>> open('gbk.txt','w',encoding='gbk').write('梯')
1
>>> open('utf8.txt','w',encoding='utf-8').write('梯')
1
# 'rb' 二进制模式,读取文件内容为bytes类型,为文件实际存储的字节串
# gbk编码,1个中文占2个字节
>>> open('gbk.txt','rb').read()
b'\xcc\xdd'
# utf-8编码,1个中文占3个字节
>>> open('utf8.txt','rb').read()
b'\xe6\xa2\xaf'
1.1.3 读文件编码
描述
open读文件时,指定的encoding为解释器读取文件字节串解码使用的编码格式。
示例
# 读文件时 encoding 表示解释器读取文件字节串解码使用的编码格式
# 需与文件存储时编码格式相同
>>> open('gbk.txt','r',encoding='gbk').read()
'梯'
>>> open('utf8.txt','r',encoding='utf-8').read()
'梯'
>>> dgbk=open('gbk.txt','rb').read();dgbk
b'\xcc\xdd'
>>> dutf8=open('utf8.txt','rb').read();dutf8
b'\xe6\xa2\xaf'
# 二进制模式,读取文件内容后进行手动解码
# python3.x 解释器默认编码为utf-8
>>> dgbk.decode('gbk');dutf8.decode()
'梯'
'梯'
1.2 python读写文件默认编码
1.2.1 locale.getpreferredencoding()
用法
import locale
locale.getpreferredencoding()
描述
python的locale**.getpreferredencoding()**用于获取用户的首选编码。
入参为False,表示不使用任何额外设置。
入参为True或空,表示考虑当前语言环境设置。
用户的首选编码用于python的open()函数读写文件的默认编码。
示例
>>> import locale
>>> locale.getpreferredencoding()
'cp936'
>>> locale.getpreferredencoding(False)
'cp936'
1.2.2 获取梯的编码字节串
>>> '梯'.encode()
b'\xe6\xa2\xaf'
>>> '梯'.encode('utf-8')
b'\xe6\xa2\xaf'
>>> '梯'.encode('gbk')
b'\xcc\xdd'
>>> '梯'.encode('cp936')
b'\xcc\xdd'
# utf-16 带小端字节序
>>> '梯'.encode('utf-16')
b'\xff\xfe\xafh'
# utf-16 忽略小端字节序(little BOM)
>>> '梯'.encode('utf-16-le')
b'\xafh'
1.2.3 python3.x读写文件默认编码
描述
python3.x通过文本模式的open()打开文件,
encoding未传时,默认编码取locale.getpreferredencoding(False)。
open().encoding获取文件对象的编码方式。
open()打开文件时指定encoding编码格式。
示例
>>> fpath='temp.txt'
# open()函数encoding未传时默认编码取 locale.getpreferredencoding(False)
# 'r+' 文本模式打开文件
>>> f=open(fpath,'r+')
# f.encoding 获取文件对象的编码方式
>>> f.encoding
'cp936'
# 文件指针会停留在文件结尾
>>> f.write('梯')
1
# 文件指针移动到开头
>>> f.seek(0)
0
>>> f.read()
'梯'
>>> f.close()
# 'rb' 二进制模式直接读取文件的字节串
# 与 cp936 编码一致
>>> open(fpath,'rb').read()
b'\xcc\xdd'
# 通过 相同的编码 cp936或gbk 读取文件内容
>>> open(fpath,'r',encoding='cp936').read()
'梯'
>>> open(fpath,'r',encoding='gbk').read()
'梯'
>>> open(fpath,'r',encoding='utf-8').read()
Traceback (most recent call last):
File "<pyshell#24>", line 1, in <module>
open(fpath,'r',encoding='utf-8').read()
File "D:\python3\lib\codecs.py", line 322, in decode
(result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcc in position 0: invalid continuation byte
1.2.4 python2.x读写文件默认编码
描述
python2.x通过文本模式的open()打开文件,没有encoding入参,
写文件时默认编码取locale.getpreferredencoding(False),
读文件时直接读取字节串。
python2.x通过codecs.open(encoding)指定文件编码格式。
如果要向文件写入write中文,需用Unicode字符串,通过u’梯’进行创建后写入。
示例
# python2.x内置open()函数没有encoding入参,无法指定编码方法
>>> fpath='temp.txt'
>>> f=open(fpath,'w')
>>> f.write('a梯')
>>> f.close()
>>> open(fpath,'r').read()
'a\xcc\xdd'
# 'rb' 二进制模式直接读取文件的字节串
# 与 cp936 编码一致
>>> open(fpath,'rb').read()
'a\xcc\xdd'
>>> len('a梯')
3
# python2.x通过 codecs.open(encoding)指定编码
>>> import codecs
>>> f=codecs.open(fpath,'w','utf-8')
# 写入汉字时需要通过u'汉字'创建Unicode字符串
# 因为python2.x解释器默认编码为ASCII码,
# '梯'字符串str用操作系统cp936自动编码为 '\xcc\xdd'
# 解释器需要对其解码为Unicode,解码时 \xcc 不在ASCII范围内,会报错
>>> f.write(u'梯')
>>> f.close()
# 'rb' 二进制模式直接读取文件的字节串
# 与 utf-8 编码一致
>>> codecs.open(fpath,'rb').read()
'\xe6\xa2\xaf'
1.3 python3.x处理BOM
描述
文件开始的字节顺序标记(BOM,Byte Order Mark)。
UTF-8的BOM:’\xef\xbb\xbf’,对应Unicode:'\ufeff’。
UTF-16的小端BOM:’ \xff\xfe’ 对应Unicode: ‘\ufeff’。
NO | 写文件 | 文件开头带BOM读文件 | |
---|---|---|---|
1 | UTF-8 | 文件开头不添加BOM | 显示BOM的Unicode |
2 | UTF-8-sig | 文件开头添加BOM | 不显示BOM |
3 | UTF-16 | 文件开头默认添加当前系统字节序BOM | 不显示BOM |
4 | UTF-16-le | 文件开头不添加BOM | 显示BOM的Unicode |
示例
>>> fpath='utf8bom.txt'
# encoding='utf-8-sig', 写文件时,会在文件开头加入 字节顺序标记
>>> open(fpath,'w',encoding='utf-8-sig').write('梯')
1
>>> open(fpath,'rb').read()
b'\xef\xbb\xbf\xe6\xa2\xaf'
>>> open(fpath,'r',encoding='utf-8').read()
'\ufeff梯'
# encoding='utf-8-sig', 读文件时,忽略字节顺序标记
>>> open(fpath,'r',encoding='utf-8-sig').read()
'梯'
>>> import sys
# sys.byteorder 当前系统的字节序, 'little'(小端)或 'big'(大端)
>>> sys.byteorder
'little'
# 写文件时,encoding='utf-16' ,默认添加当前系统字节序(little)
>>> open(fpath,'w',encoding='utf-16').write('梯')
1
# 二进制模式,读取实际存放字节串,utf-16小端字节序为 \xff\xfe
>>> open(fpath,'rb').read()
b'\xff\xfe\xafh'
>>> open(fpath,'r',encoding='utf-16').read()
'梯'
# encoding='utf-16-le',读文件时,忽略字节顺序标记
>>> open(fpath,'r',encoding='utf-16-le').read()
'\ufeff梯'
# encoding='utf-16-le',写文件时,不添加BOM
>>> open(fpath,'w',encoding='utf-16-le').write('梯')
1
>>> open(fpath,'rb').read()
b'\xafh'
>>> open(fpath,'r',encoding='utf-16-le').read()
'梯'
# encoding='utf-16-le',写文件后,不能用 utf-16 读取
>>> open(fpath,'r',encoding='utf-16').read()
Traceback (most recent call last):
File "<pyshell#102>", line 1, in <module>
open(fpath,'r',encoding='utf-16').read()
File "D:\python3\lib\codecs.py", line 322, in decode
(result, consumed) = self._buffer_decode(data, self.errors, final)
File "D:\python3\lib\encodings\utf_16.py", line 67, in _buffer_decode
raise UnicodeError("UTF-16 stream does not start with BOM")
UnicodeError: UTF-16 stream does not start with BOM
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!