Ⅰ Python怎么获取HDFS文件的编码格式
你好，你可以利用python3的python3-magic来获得文件的编码格式。下面是对应的代码import magicblob = open('unknown-file').read()m = magic.open(magic.MAGIC_MIME_ENCODING)m.load()encoding = m.buffer(blob) # "utf-8" "us-ascii" etc
Ⅱ python 读取文件时能指定编码吗
代码如下:import osimport codecsfilenames=os.listdir(os.getcwd())out=file("name.txt","w")for filename in filenames:out.write(filename.decode("gb2312").encode("utf-8"))out.close()将执行文件的当前目录及文件名写入到name.txt文件中，以utf-8格式保存如果采用ANSI编码保存，用如下代码写入即可：复制代码代码如下:out.write(filename)打开文件并写入引用codecs模块，对该模块目前不了解。在此记录下方法，有空掌握该模块功能及用法。复制代码代码如下:import codecsfile=codecs.open("lol.txt","w","utf-8")file.write(u"我")file.close()读取ANSI编码的文本文件和utf-8编码的文件读取ANSI编码文件建立一个文件test.txt，文件格式用ANSI，内容为:复制代码代码如下:abc中文用python来读取复制代码代码如下:# coding=gbkprint open("Test.txt").read()结果：abc中文读取utf-8编码文件（无BOM）把文件格式改成UTF-8：复制代码代码如下:结果：abc涓 枃显然，这里需要解码：复制代码代码如下:# -*- coding: utf-8 -*-import codecsprint open("Test.txt").read().decode("utf-8")结果：abc中文读取utf-8编码文件（有BOM）某些软件在保存一个以UTF-8编码的文件时，默认会在文件开始的地方插入三个不可见的字符（0xEF 0xBB 0xBF，即BOM）。在有些软件可以控制是否插入BOM。如果在有BOM的情况下，在读取时需要自己去掉这些字符，python中的codecs mole定义了这个常量：复制代码代码如下:# -*- coding: utf-8 -*-import codecsdata = open("Test.txt").read()if data[:3] == codecs.BOM_UTF8:data = data[3:]print data.decode("utf-8")结果：abc中文在看下面的例子：复制代码代码如下:# -*- coding: utf-8 -*-data = open("name_utf8.txt").read()u=data.decode("utf-8")print u[1:]打开utf-8格式的文件并读取utf-8字符串后，解码变成unicode对象。但是会把附加的三个字符同样进行转换，变成一个unicode字符。该字符不能被打印。所以为了正常显示，采用u[1:]的方式，过滤到第一个字符。注意：在处理unicode中文字符串的时候，必须首先对它调用encode函数，转换成其它编码输出。设置python默认编码复制代码代码如下:import sysreload(sys)sys.setdefaultencoding("utf-8")print sys.getdefaultencoding()今天碰到了 python 编码问题, 报错信息如下复制代码代码如下:Traceback (most recent call last):File "ntpath.pyc", line 108, in joinUnicodeDecodeError: 'ascii' codec can't decode byte 0xa1 in position 36: ordinal not in range(128)显然是当前的编码为ascii, 无法解析0xa1(十进制为161, 超过上限128). 进入python console后, 发现默认编码确实是 ascii, 验证过程为:在python2.6中无法调用sys.setdefaultencoding()函数来修改默认编码，因为python在启动的时候会调用site.py文件，在这个文件中设置完默认编码后会删除sys的setdefaultencoding方法。不能再被调用了. 在确定sys已经导入的情况下, 可以reload sys这个模块之后, 再 sys.setdefaultencoding('utf8')复制代码代码如下:import sysreload(sys)sys.setdefaultencoding("utf-8")print sys.getdefaultencoding()确实有效, 根据 limodou 讲解, site.py 是 python 解释器启动后, 默认加载的一个脚本. 如果使用 python -S 启动的话, 将不会自动加载 site.py.上面写的挺啰嗦的.==================================如何永久地将默认编码设置为utf-8呢? 有2种方法: ==================================第一个方法<不推荐>: 编辑site.py, 修改setencoding()函数, 强制设置为 utf-8 第二个方法<推荐>: 增加一个名为 sitecustomize.py, 推荐存放的路径为 site-packages 目录下sitecustomize.py 是在 site.py 被import 执行的, 因为 sys.setdefaultencoding() 是在 site.py 的最后删除的, 所以, 可以在 sitecustomize.py 使用 sys.setdefaultencoding().复制代码代码如下:import sys sys.setdefaultencoding('utf-8')既然 sitecustomize.py 能被自动加载, 所以除了设置编码外, 也可以设置一些其他的东西字符串的编码复制代码代码如下:s1='中文'像上面那样直接输入的字符串是按照代码文件的编码来处理的，如果是unicode编码，有以下三种方式：复制代码代码如下:1 s1 = u'中文'2 s2 = unicode('中文','gbk')3 s3 = s1.decode('gbk')unicode是一个内置函数，第二个参数指示源字符串的编码格式。decode是任何字符串具有的方法，将字符串转换成unicode格式，参数指示源字符串的编码格式。encode也是任何字符串具有的方法，将字符串转换成参数指定的格式。
