分類: Python其他 2007-06-22 17:11 1611人閱讀 評論(0) 收藏 舉報
python的print會對輸出的文本做自動的編碼轉換,而文件對象的write方法就不會做,因此,當一些字符串用print輸出正常時,write到文件確不一定和print的一樣。
print轉換的目的編碼和環境變量有關,Windows XP是轉換爲gbk的。在linux下是按照環境變量來轉換的。在linux下使用locale命令就可以看到。比如我的是:
[zhaowei@papaya zhaowei]$ locale
LANG=zh_CN
LC_CTYPE="zh_CN"
LC_NUMERIC="zh_CN"
LC_TIME="zh_CN"
LC_COLLATE="zh_CN"
LC_MONETARY="zh_CN"
LC_MESSAGES="zh_CN"
LC_PAPER="zh_CN"
LC_NAME="zh_CN"
LC_ADDRESS="zh_CN"
LC_TELEPHONE="zh_CN"
LC_MEASUREMENT="zh_CN"
LC_IDENTIFICATION="zh_CN"
LC_ALL=
這個時候會認爲是gb2312的。在python中可以用locale模塊來獲得當前環境的編碼:
print locale.getdefaultlocale()
print在輸出時把字符串自動裝換爲這個編碼。看看下面,"喆"這個字是很著名的一個在gb2312中沒有的字,當把它轉換爲gb2312的時候是會出錯的。
import locale
import sys, encodings, encodings.aliases
# 現在a是unicode的
a = u'喆'
print a.encode("gb2312")
上面這段代碼會報異常,就是這個原因。但如果是直接 print a 就可以輸出來 (假設你的環境變量是GBK或者GB18030或者UTF-8)。如果你的環境變量是GB2312的,那這個print一樣會報錯!所以在處理其他地方來 的文本數據時,最好不要用GB2312的編碼,是中文數據,一定要用GB18030或者UTF-8!
而用文件對象的write寫unicode的數據也是會出錯的!需要做編碼轉換。
#-*- encoding: gb18030 -*-
import locale
import sys, encodings, encodings.aliases
# 現在a是unicode的
a = u'喆'
f = open("aaa.txt", "w")
f.write(a)
f.close()