Python与中文

前两天用Python写了个小脚本，其中有个需求是从一个文本文件A中读取数据，然后处理一下写进一个新的文本文件B中。不过A文件中既有英文也有中文。

写出处理这个需求的代码并不复杂，随手就能写下类似的代码：

def write_a_line(line, fp):
    fp.write(line)

不过这段程序一旦碰到有汉字的字符串时，可能就会遇到下面的问题：

Traceback (most recent call last):

 File "<stdin>", line 1, in <module>

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

恩，这种情况对于我们平时使用C＃或者Java的程序员来说确实比较头大。从这个错误提示来看，Python在写文件时，对line变量进行了编码操作，而且是针对line对象进行ASCII码的编码。

我们都知道Python是支持unicode的，而且还有针对unicode的类型“unicode”。要想让字符串称为unicode字符串，可以在字符串的引号前面加入一个小写字母“u”。翻阅Python的文档，我们可以发下write方法接收的是str对象。不过Python并不像C＃，它不用声明变量的类型。所以我们应该先看看line到底是个什么对象。于是为了解决这个问题，我把上面的代码加了一行： 

def write_a_line(line, fp):
    print line.__class__.__name__
    fp.write(line)

代码运行之后，我发现当line中有中文的时候，我们的line变量的类型是unicode。从网上搜了一下与unicode与写文件相关的帖子，可以得到一个信息，对这unicode对象调encode方法进行编码就可以正常写文件了。于是代码又编程了下面的样子：

def write_a_line(line, fp):
    if line.__class__.__name__ == “unicode”:
        line = line.encode(“GB2312”)
    fp.write(line)

这里要注意的问题是不能一棍子打死，line可能会是unicode对象也可能是str对象，不过我们只对unicode对象进行编码。这下问题总算是解决了。