话说Python（三）万恶的编码
万恶的编码
小菜对于老师上一节讲的不是很明白，因为没有一本书是将文件与web一起讲授的，他决定自己探究一下它们之间的不同：
首先，小菜在C盘建了一个文本文档 file.txt,输入四个字：我是小菜。
然后，小菜在shell中练习起来：
>>> file=open("c:\\file.txt","r")
>>> data=file.read()
>>> print(data)
我是小菜
>>>
小菜有了成就感，接着试一试这个：
>>> import urllib.request
>>> page=urllib.request.urlopen("http://www.baidu.com")
>>> data=page.read()
>>> print(data)
b'<!doctype html><html><head><meta http-equiv="Content-Type" content="text/html;charset=gb2312"><title>\xb0\xd9\xb6\xc8\xd2\xbb\xcf\xc2\xa3\xac\xc4\xe3\xbe\xcd\xd6\xaa\xb5\xc0
#在这里为了节约篇幅我省略了后面内容
“不对啊，这些反斜杠是啥啊！汉字咋没了？”小菜对于这种蔑视汉语的行为非常愤慨，“怪不得中国人编程不行了，连汉字都要折腾半天。”
第二天一上课，小菜跑到老师跟前，抱怨起来：“文件和网络读取的结果不一样啊！一个正常，一个不显示汉字。”
大牛老师笑着说：“这不能怪你，是我没有讲清楚。”
Python 3.x 与Python 2.x的不同点之一就是Python3k引入了bytes对象，刚才小菜在file中得到的是string（字符串），而在url中得到的是bytes（字节）。在最后的输出里，前面有一个b，指的就是bytes。其实，如果open采用“b”模式的时候，得到的也是bytes，将字节转化就要学到今天的内容：编码。
Python3k中采用两个函数完成这个工作：encode()和decode()。
顾名思义：encode()是进行编码的，将字符串编码成想要的编码格式。
decode()是进行解码的，将编码的字节解码为字符串。
常用的编码格式有ASCII、unicode、UTF-8、big5、gbk、gb2312等，ascii用于北美字符，utf-8、unicode是国际标准，big5是中文繁体，gbk、gb2312是简体中文。
小菜的web数据是gb2312编码的，可以在后面写
>>> content=data.decode('gb2312')
>>> print(content)
<!doctype html><html><head><meta http-equiv="Content-Type" content="text/html;charset=gb2312"><title>百度一下，你就知道 </title>
相关文档：
当python中间处理非ASCII编码时，经常会出现如下错误：
UnicodeDecodeError: 'ascii' codec can't decode byte 0x?? in position 1: ordinal not in range(128)
0x??是超出128的数字，python在默认的情况下认为语言的编码是ascii编码，所以无法处理其他编码，需要设置python的默认编码为所需要的编码。
一个解决的方案是 ......
import urllib2
import time
import socket
from datetime import datetime
from thread_pool import *
def main():
url_list = {"sina":"http://www.sina.com.cn",
"sohu":"http://www.sohu.com",
"yahoo":"http://www.yahoo.com",
"xiaonei":"http://www.x ......
1、str类型可以理解为一个二进制block，或multibyte
2、multibyte_str.decode("<multibyte_encode_method>") -> unicode
3、unicode_str.encode("<multibyte_encode_method>") -> multibyte_str(binary block)
4、unicode_str 的操作参数也应为unicode，如：unicode_str.find("样本".deco ......
1.改变本文件的属性
import
os
import
stat
os.chmod( filename, stat.S_IWRITE )
2.改变本目录及其子目录属性
import
os
os.system(r
'
attrib -r' + path +'\\*.* /s
'
)
3.介绍改变文件属性的dos指令
Attrib
显示、设置或删除指派给文件或目录的只读、存档、系统以及隐藏属性。如果在不含参数的� ......
import urllib
from HTMLParser import HTMLParser
class TitleParser(HTMLParser):
def __init__(self):
self.title = ''
self.divcontent = ''
self.readingtitle = 0
self.readingdiv = 0
HTMLParser.__init__(self)
def handle_starttag(self, tag, attrs):
......
