默认编码
字符串
python2 文本字符串默认编码是ASCII,中文默认UTF-8
python3 文本字符串默认编码是Unicode
解释器
python2 解释器编码默认是ASCII
python3 解释器编码默认是UTF-8
encode\decode
非Unicode 进行 decode
返回Unicode
Unicode 进行 encode
返回非Unicode
写入文件
"w"
python3
- "w"只能写Unicode
python2
- "w" 方法可以写入Unicode和非Unicode
- "w" 方法如果写入Unicode会自动转成解释器的默认编码。
想使用python2写入中文
必须是Unicode的中文
1.修改解释器编码为utf-8,这样就可以处理包含中文的Unicode字符串写入了
# coding:utf-8
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
a = u"世界"
with open('utf8.txt','w') as f:
f.write(a)
注意:使用这种方法请不要使用pycharm,原生python2.7中会有这个方法,但是pycharm把这个方法屏蔽了
- 使用codecs模块写入文件,将Unicode字符串按encoding参数指定的编码写入:
# coding:utf-8
import codecs
unicode_str = u"世界"
with codecs.open("hello.txt", "w", encoding="utf-8") as :
f.write(unicode_str)
"w" 方法写入非Unicode,英文会直接写入,中文只能在使用上面的方法一才能写入。
例如已经将Unicode.decode("utf-8"),就写入utf-8。
"wb"
python3
- "wb" 方法只能写入非Unicode
python2
- "wb"方法只能写入非Unicode字符串("utf-8"、"GBK"等)
读取文件
"r"
- python3 r 读出来的是Unicode
- python2 r读出来的是非Unicode
"rb"
- python3 rb 读出来的非Unicode
- python2 rb 读出来的是非Unicode
查看系统默认编码
import sys
# 打印出系统默认编码方式
print(sys.getdefaultencoding())
修改默认编码
# 修改系统默认编码
sys.setdefaultencoding('utf8')
类Unicode字符串转换成Unicode字符串
将一个类Unicode字符串(长得像Unicode,但是它是个普通字符串),解码为真正的Unicode
# python2中
s = "\u4f60\u597d\u4e16\u75c"
# 这样操作它就变成真正的Unicode
unicodee_str = s.decode("unicode-escape")
print(unicodee_str) # u"\u4f60\u597d\u4e16\u75c"
注意:不管python2还是python3 遇到类Unicode码(类似于这种"\u4f60\u597d\u4e16\u75c"
)它其实是长得像Unicode码的Unicode码;
先变成非Unicode,之后再decode("unicode-escape"),可以将类Unicode变成Unicode码。
Json化写入文件
将字典json化保存成系统指定编码
如果python2会将unicode字符串编码成ascii保存成文件,这时候就需要两步
- 指定编码写入
json.dumps(字典,ensure_ascii=False)
# coding:utf-8
class TencentPipeline(object):
def open_spider(self,spider):
# 按指定编码保存文件
self.f = codecs.open("tencent.json", "w",encoding='utf-8')
def process_item(self,item,spider):
# ensure_ascii=False不以ascii编码保存文件
json_str = json.dumps(dict(item),ensure_ascii=False) + ',\n'
self.f.write(json_str)
return item
def close_spider(self,spider):
self.f.close()