python3.x读写文件及BOM处理详解

 更新时间:2024年01月04日 15:53:39   作者:梯阅线条  
这篇文章主要为大家详细介绍了python3.x读写文件及BOM处理的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下

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
1UTF-8文件开头不添加BOM显示BOM的Unicode
2UTF-8-sig文件开头添加BOM不显示BOM
3UTF-16文件开头默认添加当前系统字节序BOM不显示BOM
4UTF-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

到此这篇关于python3.x读写文件及BOM处理详解的文章就介绍到这了,更多相关python3.x读写文件及BOM处理内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python实现飞船游戏的纵向移动

    python实现飞船游戏的纵向移动

    这篇文章主要为大家详细介绍了python实现飞船游戏的纵向移动,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2020-04-04
  • 使用pickle存储数据dump 和 load实例讲解

    使用pickle存储数据dump 和 load实例讲解

    今天小编就为大家分享一篇使用pickle存储数据dump 和 load实例讲解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • PyCharm中的terminal运行从PS修改成cmd方式

    PyCharm中的terminal运行从PS修改成cmd方式

    这篇文章主要介绍了PyCharm中的terminal运行从PS修改成cmd方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2023-06-06
  • Python零钱兑换的实现代码

    Python零钱兑换的实现代码

    假如有这样一个问题给你一个整数数组 coins ,表示不同面额的硬币以及一个整数 amount ,表示总金额,计算并返回可以凑成总金额所需的最少的硬币个数,接下来通过示例代码给大家介绍Python零钱兑换问题,感兴趣的朋友一起看看吧
    2022-05-05
  • Python基础进阶之海量表情包多线程爬虫功能的实现

    Python基础进阶之海量表情包多线程爬虫功能的实现

    这篇文章主要介绍了Python基础进阶之海量表情包多线程爬虫,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-12-12
  • python与xml数据的交互详解

    python与xml数据的交互详解

    这篇文章主要介绍了python与xml数据的交互详解,文章围绕主题站卡详细的内容介绍,具有一定的参考价值,需要的朋友可以参考一下
    2022-07-07
  • python3.6生成器yield用法实例分析

    python3.6生成器yield用法实例分析

    这篇文章主要介绍了python3.6生成器yield用法,结合实例形式分析了Python3.6中生成器yield的功能、用法及相关操作注意事项,需要的朋友可以参考下
    2019-08-08
  • python使用TensorFlow进行图像处理的方法

    python使用TensorFlow进行图像处理的方法

    本篇文章主要介绍了使用TensorFlow进行图像处理的方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-02-02
  • Python reshape的用法及多个二维数组合并为三维数组的实例

    Python reshape的用法及多个二维数组合并为三维数组的实例

    今天小编就为大家分享一篇Python reshape的用法及多个二维数组合并为三维数组的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-02-02
  • Python爬虫之Selenium下拉框处理的实现

    Python爬虫之Selenium下拉框处理的实现

    这篇文章主要介绍了Python爬虫之Selenium下拉框处理的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-12-12

最新评论