处理统一码文件是场噩梦？这些诀窍助你大梦初醒

对付那些常常在一般事变中处理赏罚同一码文件(也合用于其他编码)的人来说，这篇文章是必读的。对付天然说话处理赏罚的从颐魅者，处理赏罚同一码文件是一场恶梦，尤其是行使Windows操纵体系。想象一下，当在编码或解码进程中碰着错误时的沮丧，譬喻：

UnicodeEncodeError: 'mbcs' codec can't decode characters in  
 
positionUnicodeDecodeError: 'charmap' codec can't decode byte 0x90 in position 

大大都时辰，除非是这个规模履历富厚的人，不然这样的错误并不能提供足够的信息。你也许会问为什么必要对字符举办编码息争码。我们可以从对同一码的简朴表明来答复这个题目。

基于官方python文档，同一码Unicode (通用编码字符集)是一种类型，旨在列出人类说话行使的每个字符，并为每个字符提供各自奇异的代码。同一码类型不绝被修订和更新，以添加新的说话和标记。

因此，编码息争码是一种将字符从文本映射到字节的要领，反之亦然。这使得它们可在计较机之间传输，并在一般糊口中行使。当拥有差异的操纵体系集时，环境会更伟大。

另外，差异说话有各自的字符集，只能在特定字体下表现。简朴而言，可以看作是将一个外笔墨符翻译成呆板能领略的字符。本文将切磋一些可以用于处理赏罚Python中同一码文件的要领，从可用模式和尺度编码来入手。

同一码同盟的官方符号

通过上下文打点器读写文件

打开文件最安详的要领是通过上下文打点器行使with语句。它将自动封锁文件，防备任何也许呈现的题目。

with open('name.txt') as f: 
    f.readlines() 

默认模式是'rt' ，即读取和发送文件。可以行使以下代码编写：

with open('name.txt', 'w') as f: 
    f.write('Hello world!') 

上面的代码将改写并截断文件。在一些环境下，也许更喜好行使模式 'a'而不是'w'。以下列表表现了可用的完备模式：

• r:打开阅读(默认)
• w:打开写入，起首截断文件
• x:打开专属建设，假如文件已经存在则失败
• a:打开写入，假如文件存在，则添加到文件末端
• b:二进制模式
• t:文本模式(默认)
• +:打开一个磁盘文件举办更新(读写)

可以组合一些模式。如原始文档中所述(https://docs.python.org/3.5/library/functions.html#open)，对付二进制读写会见，模式'w+b' 打开并将文件截断为0字节。'r+b' 打开文件不会截断。

Python中的尺度编码

在Python中指定编码，只需在上下文打点器初始化时代传入另一个参数。无论何时读写同一码字符，都必要指定它。以下例子表现了将同一码文本添加到现有文件的正确要领：

with open('name.txt', 'a', encoding='utf8') as f: 
f.write('你好！') 

假如不确定行使哪种编码，只需输入 utf8并搜查是否有误。大多环境下，UTF-8对付编码息争码字符已经够好了。然而在某些环境下，必要行使差异的编码。

更多关于可用编码的信息：

https://docs.python.org/3.7/library/codecs.html#standard-encodings

假如不知道文件中行使的什么编码该怎么办?一路进入下一部门来相识更多。

通过Notepad++搜查编码范例

一样平常会更倾向行使Notepad++来查察文件内容。假如行使Notepad++打开一个文件，可以在用户界面的右下角看到行使的编码范例。

一个行使UTF-8编码的示例文件

可以通过编码菜单修改编码，它接管大量最常用的编码。

单击编码菜单时表现下拉菜单的图像

假如曾碰着过无法将文件转换为另一种编码的题目，可能纵然正确地指定了某些编码，也无法读取，那么可以实行以下要领。固然有点笨，但亲测有用。

• 用小我私人但愿的编码建设一个空的文本文件。
• 从原始文件中复制全部内容。
• 将其粘贴到新文件并生涯。

大大都环境下，这将自动将全部字符转换为新的编码。请留意，假如不能按照新的编码转换字符，也许会造成数据丢失。

处理赏罚未知编码中的字符

假如碰着无法辨认编码且字符未知的环境，可以实行修改错误参数来办理这个题目：

with open('name.txt', 'r', encoding='utf8', errors='ignore') as f: 
    f.readlines() 

错误参数指的是如那里理赏罚编码息争码错误。请留意，此参数不能在二进制模式中行使。可用错误的处理赏罚措施有：

• 严酷：假如存在编码错误，则会造成ValueError 非常。None的默认值有沟通结果。
• 忽略：忽略错误。留意，忽略编码错误会导致数据丢失。
• 替代：将替代标志(如'?')插入有畸形数据的位置。
• surrogateescape：将同一码私有行使地区中的任何不正确字节暗示为代码点，范畴从U+DC80到U+DCFF。当这个错误处理赏罚措施用于编写数据时，这些私有代码点将被转为沟通字节。这对付处理赏罚未知编码的文件很有效。
• xmlcharrefreplace：仅在写入文件时受支持。不受编码支持的字符将被替代为恰当的可扩展标志说话的字符引用 &#nnn;。
• backslashreplace：用Python的backslash转义字符替代畸形数据。
• namereplace：(仅在编写时支持)替代不支持的 N{...} 转义字符。

在呼吁提醒符中表现同一码字符

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!