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：
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：
"風捲殘雲
""gb2312
" )
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:
"utf-8
" )
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...