python模組之codecs 自然語言編碼轉換

python對多國語言的處理是支援的很好的，它可以處理現在任意編碼的字元，這裡深入的研究一下python對多種不同語言的處理。

有一點需要清楚的是，當python要做編碼轉換的時候，會借助於內部的編碼，轉換過程是這樣的：

原有編碼 -> 內部編碼 -> 目的編碼 

python的內部是使用unicode來處理的，但是unicode的使用需要考慮的是它的編碼格式有兩種，一是ucs-2，它一共有65536個碼 位，另一種是ucs-4，它有2147483648g個碼位。對於這兩種格式，python都是支援的，這個是在編譯時通過--enable- unicode=ucs2或--enable-unicode=ucs4來指定的。那麼我們自己預設安裝的python有的什麼編碼怎麼來確定呢？有乙個 辦法，就是通過sys.maxunicode的值來判斷： 

import  sys

print  sys.maxunicode

如果輸出的值為65535,那麼就是ucs-2,如果輸出是1114111就是ucs-4編碼。

我們要認識到一點：當乙個字串轉換為內部編碼後，它就不是str型別了！它是unicode型別：

a  =   " 風捲殘雲 " 

print  type(a)

b  =  a.unicode(a,  " gb2312 " )

print  type(b)

輸出：這個時候b可以方便的任意轉換為其他編碼，比如轉換為utf-8:

c  =  b.encode( " utf-8 " )

print  c

c輸出的東西看起來是亂碼，那就對了，因為是utf-8的字串。

好了，該說說codecs模組了，它和我上面說的概念是密切相關的。codecs專門用作編碼轉換，當然，其實通過它的介面是可以擴充套件到其他關於**方面的轉換的，這個東西這裡不涉及。

# -*- encoding: gb2312 -*- 

import  codecs, sys

print   ' - ' * 60 

#  建立gb2312編碼器 

look   =  codecs.lookup( " gb2312 " )

#  建立utf-8編碼器 

look2  =  codecs.lookup( " utf-8 " )

a  =   " 我愛北京 " 

print  len(a), a

#  把a編碼為內部的unicode, 但為什麼方法名為decode呢，我的理解是把gb2312的字串解碼為unicode 

b  =  look.decode(a)

#  返回的b[0]是資料，b[1]是長度，這個時候的型別是unicode了 

print  b[ 1 ], b[0], type(b[0])

#  把內部編碼的unicode轉換為gb2312編碼的字串，encode方法會返回乙個字串型別 

b2  =  look.encode(b[0])

#  發現不一樣的地方了吧？轉換回來之後，字串長度由14變為了7! 現在的返回的長度才是真正的字數，原來的是位元組數 

print  b2[ 1 ], b2[0], type(b2[0])

#  雖然上面返回了字數，但並不意味著用len求b2[0]的長度就是7了，仍然還是14，僅僅是codecs.encode會統計字數 

print  len(b2[0])

上面的**就是codecs的使用，是最常見的用法。另外還有乙個問題就是，如果我們處理的檔案裡的字元編碼是其他型別的呢？這個讀取進行做處理也需要特殊的處理的。codecs也提供了方法.

# -*- encoding: gb2312 -*- 

import  codecs, sys

#  用codecs提供的open方法來指定開啟的檔案的語言編碼，它會在讀取的時候自動轉換為內部unicode 

bfile  =  codecs.open( " dddd.txt " ,  ' r ' ,  " big5 " )

# bfile = open("dddd.txt", 'r') 

ss  =  bfile.read()

bfile.close()

#  輸出，這個時候看到的就是轉換後的結果。如果使用語言內建的open函式來開啟檔案，這裡看到的必定是亂碼 

print  ss, type(ss)

python模組之codecs 自然語言編碼轉換

python對多國語言的處理是支援的很好的，它可以處理現在任意編碼的字元，這裡深入的研究一下python對多種不同語言的處理。有一點需要清楚的是，當python要做編碼轉換的時候，會借助於內部的編碼，轉換過程是這樣的 原有編碼 內部編碼 目的編碼 python的內部是使用unicode來處理的，但是...

python模組之codecs 自然語言編碼轉換

python對多國語言的處理是支援的很好的，它可以處理現在任意編碼的字元，這裡深入的研究一下python對多種不同語言的處理。有一點需要清楚的是，當python要做編碼轉換的時候，會借助於內部的編碼，轉換過程是這樣的 原有編碼 內部編碼 目的編碼 python的內部是使用unicode來處理的，但是...

python模組之codecs 自然語言編碼轉換

python對多國語言的處理是支援的很好的，它可以處理現在任意編碼的字元，這裡深入的研究一下python對多種不同語言的處理。有一點需要清楚的是，當python要做編碼轉換的時候，會借助於內部的編碼，轉換過程是這樣的 原有編碼 內部編碼 目的編碼 python的內部是使用unicode來處理的，但是...