【原创】python中文编码问题深入分析（三）：python2.7文件读写中文编码问题

　　上一篇文章介绍和分析了python2.7中使用print遇到的中文编码问题的原因和解决方案，本篇主要介绍一下python2.7中执行文件读写可能遇到的编码问题。

　　1.文件读取

　　　假如我们读取一个文件，文件保存时，使用的编码格式，决定了我们从文件读取的内容的编码格式，例如，新建一个文本文件test.txt, 编辑内容，保存的时候注意，编码格式设定为gb2312,那么使用python读取文件内容，方式如下：

f = open('test.txt','r')
s = f.read() #读取文件内容,如果是不识别的encoding格式（识别的encoding类型跟使用的系统有关），这里将读取失败
'''假设文件保存时以gb2312编码保存'''
u = s.decode('gb2312') #以文件保存格式对内容进行解码，获得unicode字符串
'''下面我们就可以对内容进行各种编码的转换了'''
str = u.encode('utf-8')#转换为utf-8编码的字符串str
strGbk = u.encode('gbk')#转换为gbk编码的字符串str1

　　注意：1）调用read()函数文件test.txt时，如果test.txt文件中不包含BOM信息(BOM信息一般是3个字节，用于标识文件的编码格式)，则系统会使用现在支持的文件编码格式（utf-8，gbk等，优先使用utf-8，最后使用系统默认的编码方式），尝试着读取和解析text.txt，如果能打开并解析成功（假设以gbk编码方式能正确打开test.txt），那么s的编码类型gbk 。

　　　　　2）如果open时使用的encoding和文件本身的encoding不一致的话，那么这里将将会产生错误

　　　　　3）s的类型为str

　　此外，python提供了codecs包，可供进行文件的读取，包中的open()函数可以指定文件编码的类型：

import codecs
f = codecs.open('text.text','r+',encoding='utf-8')#必须事先知道文件的编码格式，这里文件编码是使用的utf-8
content = f.read()#如果open时使用的encoding和文件本身的encoding不一致的话，那么这里将将会产生错误
f.write('你想要写入的信息')
f.close()

　　注意：1）必须事先知道文件的编码格式，这里文件编码是使用的utf-8   2）如果open时使用的encoding和文件本身的encoding不一致的话，那么这里将将会产生错误

　　　　　3） content的类型为unicode。

　　2.文件写入　

　　  调用python文件写入函数时，如果待写入变量unStr是unicode类型，则系统首先使用系统的默认编码方式，将unStr变量进行unicode编码成str的类型，然后再写入文件。

unStr=u"测试"
f = open('test.txt','w')
f.write(unStr)   #如果系统的默认编码是asii，则会出现UnicodeEncodeError问题

　　如果系统的默认编码方式是ascii，则就会出现上文中提到的UnicodeEncodeError问题。解决方法有两个：

　　  1) 首先获取文件的默认编码格式，执行write函数前，将unStr编码成文件的默认编码格式，例如：在我的机器上，创建一个新文件时，其文件编码格式为utf-8，则修改f.write(unStr) 为f.write(unStr.encoding('utf-8'))。（建议选这一种）

　　  2) 修改系统的默认编码方式为utf-8；

  3.　关于sys.setdefaultencoding()和sys.stdout.encoding()

        1) sys.setdefaultencoding()是str类型编解码时默认使用的编码格式，文件读写、str类型编码，在不明确指定编码格式的情况下均使用 sys.setdefaultencoding()

　    　#! /usr/bin/env python 
　    　# -*- coding: utf-8 -*- 
　　    s = '中文字符'  # 这里的 str 是 str 类型的，而不是 unicode 
　　    s.encode('gb2312')

　　这句代码将 s 重新编码为 gb2312 的格式，即进行 unicode -> str 的转换。因为 s 本身就是 str 类型的，因此 Python
会自动的先将 s 解码为 unicode ，然后再编码成 gb2312。因为解码是python自动进行的，我们没有指明解码方式，python
就会使用 sys.defaultencoding 指明的方式来解码。很多情况下 sys.defaultencoding为ANSCII，如果 s
不是这个类型就会出错。
　　UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 
　　0: ordinal not in range(128)

2）sys.stdout.encoding() 是终端输出的默认编码格式，例如：print

　　  至此，python2.7中有关中文编码的相关问题分析及解决已接近尾声，由于笔者水平有限，难免出现错误和不当的地方，希望大家多多指正。