需求:
某文本文件编码格式已知(如utf-8,GBK,BIG5),在python2.x和python3.x中分别如何读取该文件?
思路:
明确的一点:
在python2和python3中字符串的语义发生了变化
python2中的 str --> python3中的 bytes
python2中的 unicode --> python3中的str
python2:写入文件前对unicode编码,读入文件后对二进制字符串解码
python3:open函数指定't'的文本样式,encoding指定编码格式
代码:
# python2中
f = open('py2.txt','w')
#unicode字符串:
s = u'你好'
#将unicode字符串写入文本文件中去,注意要先编码才能写入
f.write(s.encode('gbk'))
# 读取文件中的内容
f.open('py2.txt','r')
t = f.read()
# 还原成文本要先进行解码,等到unicode的字符串:
t.decode('gbk')
print t.decode('gbk')
# python3中
# 表示bytes类型的字符串:
b = b'efwjijsx'
# 表示unicode字符串,在python3 中字符串直接就是unicode字符串
s = '你好'
# 在python3中通过指定encoding,省去了python2中手工编码和解码的过程,更加方便
# 写入文件,t可以省略,默认以t(文本)的形式写,实际上写入的也是字节但是自动完成了编码。
f = open('py3.txt','wt',encoding='utf8')
f.write('你好,我爱编程')
f.close
# 读取文件,实际上读取的也是字节但是自动完成了解码。
f = open('py3.txt','rt',encoding='utf8')
s = f.read()
print(s)
===================================================
py2:
>>> s = u'我是齐天大圣,我爱蟠桃'
>>> type(s)
unicode
>>> f = open('a.txt','w')
>>> f.write(s.encode('utf-8'))
>>> f.flush()
>>> cat a.txt
我是齐天大圣,我爱蟠桃
>>> f = open('a.txt')
>>> txt = f.read()
>>> txt
'xe6x88x91xe6x98xafxe9xbdx90xe5xa4xa9xe5xa4xa7xe5x9cxa3xefxbcx8cxe6x88x91xe7x88xb1xe8x9fxa0xe6xa1x83'
>>> type(txt)
str
>>> txt.decode('utf-8')
u'u6211u662fu9f50u5929u5927u5723uff0cu6211u7231u87e0u6843'
>>> print(txt.decode('utf-8'))
我是齐天大圣,我爱蟠桃
py3:
>>> s = 'abc'
>>> type(s)
str
>>> bin(ord('a'))
'0b1100001'
>>> 2 ** 8
256
>>> u = u'刘'
>>> s = '刘欺罔'
>>> type(s)
str
>>> s = '我是齐天大圣,我爱蟠桃'
>>> type(s)
str
>>> f = open('b.txt','w')
>>> f = open('b.txt','w',encoding='gbk')
>>> f.write(s)
11
>>> f.flush()
>>> cat b.txt
����������ʥ���Ұ�����
>>> f = open('b.txt',encoding='gbk')
>>> f.read()
'我是齐天大圣,我爱蟠桃'
>>>