人人都爱python，codecs模块介绍

智一面的面试题提供python的测试题
使用地址：http://www.gtalent.cn/exam/interview?token=52cf92de494f4a8b6165d817a7279966

python对多国语言的处理是支持的很好的，它可以处理现在任意编码的字符，这里深入的研究一下python对多种不同语言的处理。

有一点需要清楚的是，当python要做编码转换的时候，会借助于内部的编码，转换过程是这样的：

        原有编码 -> 内部编码 -> 目的编码 

 python的内部是使用unicode来处理的，但是unicode的使用需要考虑的是它的编码格式有两种，一是UCS-2，它一共有65536个码 位，另一种是UCS-4，它有2147483648g个码位。对于这两种格式，python都是支持的，这个是在编译时通过--enable- unicode=ucs2或--enable-unicode=ucs4来指定的。那么我们自己默认安装的python有的什么编码怎么来确定呢？有一个 办法，就是通过sys.maxunicode的值来判断：

 import   sys
  print   sys.maxunicode

    如果输出的值为65535,那么就是UCS-2,如果输出是1114111就是UCS-4编码。
我们要认识到一点：当一个字符串转换为内部编码后，它就不是str类型了！它是unicode类型：

 a   =     "  风卷残云  " 
  print   type(a)
 b   =   a.unicode(a,   "  gb2312  "  )
  print   type(b)

输出：
<type 'str'>
<type 'unicode'>

这个时候b可以方便的任意转换为其他编码，比如转换为utf-8:

 c   =   b.encode(  "  utf-8  "  )
  print   c

c输出的东西看起来是乱码，那就对了，因为是utf-8的字符串。
    好了，该说说codecs模块了，它和我上面说的概念是密切相关的。codecs专门用作编码转换，当然，其实通过它的接口是可以扩展到其他关于代码方面 的转换的，这个东西这里不涉及。

    上面的代码就是codecs的使用，是最常见的用法。另外还有一个问题就是，如果我们处理的文件里的字符编码是其他类型的呢？这个读取进行做处理也需要特 殊的处理的。codecs也提供了方法.

 #  -*- encoding: gb2312 -*- 
  import   codecs, sys

  #   用codecs提供的open方法来指定打开的文件的语言编码，它会在读 取的时候自动转换为内部unicode 
  bfile   =   codecs.open(  "  dddd.txt  "  ,   '  r  '  ,   "  big5  "  )
  #  bfile = open("dddd.txt", 'r') 
 
 ss   =   bfile.read()
 bfile.close()
  #   输出，这个时候看到的就是转换后的结果。如果使用语言内建的open函数 来打开文件，这里看到的必定是乱码 
  print   ss, type(ss)

上面这个处理big5的，可以去找段big5编码的文件试试。

------------------------------------------------------------------------------------------------------------------------------------------------------

>>> import codecs
>>> t = codecs.lookup("utf-8" )
>>> print t
(<built-in function utf_8_encode>, <function decode at 0x00AA25B0>, <class encodings.utf_8.StreamReader at 0x00AA0720>, <class encodings.utf_8.StreamWriter at 0x00AA06F0>) 
>>> encoder = t[0]
>>> decoder = t[1]
>>> StreamReader = t[2]
>>> StreamWriter = t[3]

• getencoder(encoding)
• getdecoder(encoding)
• getreader(encoding)
• getwriter(encoding)

>>> encoder = codecs.getencoder("utf-8" )

>>> fin = codecs.open("e://mycomputer.txt" , "r" , "utf-8" )
>>> print fin.readline()
这是我的电脑 
>>> fin.close()