利用Python从文件中读取字符串（解决乱码问题）

利用Python从文件中读取字符串（解决乱码问题）

　　首先声明这篇学习记录是基于python3的。
　　python3中，py文件中默认的文件编码就是unicode，不用像python2中那样加u，比如u'中文'。
　　不过在涉及路径时，比如C:\Users\Administrator\Desktop\StudyNote\Python，还是要加r。
　　eg:r'C:\Users\Administrator\Desktop\StudyNote\Python'。
　　因为\是转义符，想输出'\'得写成'\\'才可以。加了r就可以让python自动处理字符串,不让'\'进行转义，因此最终的字符串就是C:\Users\Administrator\Desktop\StudyNote\Python的意思。

　　OK，继续讲。
　　首先要明确一点，你的py文件用什么文件编码不重要，都可以顺利执行。不过要保证一点，保存py文件时的编码必须与编码声明的一样。假设你的py文件开头有以下编码声明:
　　eg: # -*- coding: utf-8 -*-
　　那么保存py文件时的编码也要为utf-8。
　　另外再普及一下保存文件编码时的知识，用notepad++在选择编码模式的时候，有utf-8和utf-8 without BOM，这个BOM实际上是在文件开头加注了三个字符，用以表明本文件的编码方式为utf-8，但这个是不需要的，往往会导致读取文件的时候出错（因为多了三个字符嘛，如果要去掉的话还得[3:]一下，挺麻烦的）。所以我们一般用utf-8 without BOM.

　　再言归正传。我们在处理文本文件的时候，如果该文件是unicode编码，则不需要做任何的处理操作，直接用'r'参数读取直接可用：
　　eg:

　　f=open('文件路径','r')
　　f_read=f.read()
　　print(f_read)

　　这样就能完整的输出文件里的字符串。
　　如果不是unicode编码，就不能直接用了,直接读会出现乱码。只能先以'rb'参数读取二进制文件的方式读取进来，read之后再解码。
　　eg:

f=open('文件路径','rb')
f_read=f.read()
f_read_decode=f_read.decode('该文件的编码方式')
print(f_read_decode)

　　这样才能完整显示，不然会有乱码出现。

　　问题又来了，往往我们并不知道该文件的编码方式，这该怎么办？
　　幸好python有个强大的工具chardet
　　eg:

import chardet
f=open('文件路径','rb')
f_read=f.read()
f_charInfo=chardet.detect(f_read)
f_charInfo的输出是这样的的一个字典{'confidence': 0.99, 'encoding': 'utf-8'}

　　前面‘confidence’是置信概率，后面是推断出的编码方式。以上的结果，意思为推断这段字符串的编码方式为'utf-8'的概率为99%.
　　经过我的测试，如果文件里的字符串比较少的话，chardet模块是比较难判断出正确的编码模式的，体现在置信概率比较小，字符串多的话，概率会大。我觉得至少大于90%才可信。
　　得到编码方式后，就可以用来解码了。
　　f_read_decode=f_read.decode(f_charInfo['encoding'])
　　print(f_read_decode)