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
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
”
type(a)
b
=
a.unicode(a,
”
gb2312
”
)
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
”
)
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。
#
-*- encoding: gb2312 -*-
import
codecs, sys
‘
–
‘
*
60
#
创建gb2312编码器
look
=
codecs.lookup(
”
gb2312
”
)
#
创建utf-8编码器
look2
=
codecs.lookup(
”
utf-8
”
)
a
=
”
我爱北京
”
len(a), a
#
把a编码为内部的unicode, 但为什么方法名为decode呢，我 的理解是把gb2312的字符串解码为unicode
b
=
look.decode(a)
#
返回的b[0]是数据，b[1]是长度，这个时候的类型是unicode 了
b[
1
], b[0], type(b[0])
#
把内部编码的unicode转换为gb2312编码的字符 串，encode方法会返回一个字符串类型
b2
=
look.encode(b[0])
#
发现不一样的地方了吧？转换回来之后，字符串长度由14变为了7! 现在 的返回的长度才是真正的字数，原来的是字节数
b2[
1
], b2[0], type(b2[0])
#
虽然上面返回了字数，但并不意味着用len求b2[0]的长度就是7了， 仍然还是14，仅仅是codecs.encode会统计字数
len(b2[0])
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
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)
如果我们只是想获取一种utf-8编码的encoder方法，那么只需要这样做：
>>>
encoder = codecs.getencoder(
"utf-8"
)
另外，对于StreamReader和StreamWriter的简化， codecs模块提供一个open方法。相对于built-in对象File的open方法，前者多了三个参数encoding, errors, buffering。这三个参数都是可选参数，但是对于应用来说，需要明确指定encoding的值，而errors和buffering使用默认值即 可。使用方法如下：
>>>
fin = codecs.open(
"e://mycomputer.txt"
,
"r"
,
"utf-8"
)
>>>
print
fin.readline()
这是我的电脑
>>>
fin.close()