python读取中文

如何从文件中读取300个汉字？

看起来很简单，但很容易掉坑里了。

 

一开始我这么写：

1     try:
2         fd = codecs.open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id), encoding=\'utf-8\')
3         #fd = open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id))
4         text = fd.read(300)
5         fd.close()
6     except Exception, e:
7         print "content.load() Error:", e

 

但是文件中如果是中英文夹杂怎么办？

因为 utf8编码是变长的，所以很有可能会读出半个汉字。

 

解决办法：

1.写文件时指定 utf8编码：

1 import  codecs
2 
3 fd = codecs.open(conf.data_directory + os.sep + conf.text_directory + os.sep + channel_name + os.sep + str(id),
4                              \'w+\', "utf-8")
5 fd.write(text)
6 fd.close()

 http://segmentfault.com/q/1010000000131965

 

2.指定 utf8读文件：

1     try:
2         fd = codecs.open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id), encoding=\'utf-8\')
3         #fd = open(os.path.join(settings.TEXT_CONTENT_DIR,channel_name.lower(), article_id))
4         text = fd.read(settings.TAG_ARTICLE_CHARACTERS_NUMBERS)
5         fd.close()
6     except Exception, e:
7         print "content.load() Error:", e

 http://blog.sina.com.cn/s/blog_630c58cb0100vqtc.html