您的位置:软件测试 > 开源软件测试 > 开源功能测试工具 > Selenium
Selenium+Python参数化:读取TXT文件
作者:网络转载 发布时间:[ 2015/12/8 14:58:13 ] 推荐标签:软件测试工具 单元测试工具

  该方法是在分割内容之前,将代码进行decode("gb18030")后,即可正常显示,结果如下

  原因说明
  在python中提到unicode,一般指的是unicode对象,例如'哈哈'的unicode对象为 u'u54c8u54c8'
  而str,是一个字节数组,这个字节数组表示的是对unicode对象编码(可以是utf-8、gbk、cp936、GB2312)后的存储的格式。这里它仅仅是一个字节流,没有其它的含义,如果想使这个字节流显示的内容有意义,必须用正确的编码格式,解码显示。
  在上述脚本运行中,使用type(data)打印在decode前后的data的数据格式,如下:
  <type 'str'>
  <type 'unicode'>
  可以看出,内置的open()方法打开文件时,read()读取的是str格式的:
  · Read()读取时,如果参数是str(且内容中含有中文),读取后需要使用正确的编码格式进行decode(),转为unicode字符后,才可以正确显示。
  · write()写入时,如果参数是unicode,则需要使用你希望写入的编码进行encode(),如果是其他编码格式的str,则需要先用该str的编码进行decode(),转成unicode后再使用写入的编码进行encode()。
  方法二(推荐)
  在文件打开时直接指定使用gb18030格式读取后,即可直接操作,另外,该方法对中文txt和英文txt的处理均适用
#coding:utf-8
import codecs
def str_reader_txt(address):
fp=codecs.open(address,'r',"gb18030")
#fp=open(address,'r')
users=[]
pwds=[]
lines=fp.readlines()
for data in lines:
name,pwd=data.split(',')
name=name.strip(' ')
pwd=pwd.strip(' ')
users.append(name)
pwds.append(pwd)
print "user:%s(len(%d))" %(name,len(name))
print "pwd:%s(len(%d))" %(pwd,len(pwd))
return users,pwds
fp.close()
  备注:Codecs.getreader也可以达到同样的效果,如下:
#coding:utf-8
import codecs
def str_reader_txt_csv(address):
f=file(address,'rb')
users=[]
pwds=[]
csv=codecs.getreader('gb18030')(f) #Codecs.getreaderf方法
for data in csv:
name,pwd=data.split(',')
name=name.strip(' ')
pwd=pwd.strip(' ')
users.append(name)
pwds.append(pwd)
return users,pwds
f.close()
  原因说明
  模块codecs提供了一个open()方法,可以指定一个编码打开文件,使用这个方法打开的文件读取返回的将是unicode。
  写入时,如果参数是unicode,则使用open()时指定的编码进行编码后写入;
  如果是str,则先根据源代码文件声明的字符编码,解码成unicode后再进行前述操作。对内置的open()来说,这个方法比较不容易在编码上出现问题,推荐使用
  为何使用gb18030的编码格式
  下面是通过对比测试的结果,可以看出使用gb18030和UTF-8操作的结果:

  在windows平台下,默认的文档保存方式为ANSI,在简体中文系统下,ANSI 编码代表 GB2312 编码。
  在txt保存时,修改保存格式为UTF-8时,可以使用UTF-8编码打开,但是其字符长度有差异,其原因如下:
  需要一提的是BOM(Byte Order Mark)。我们在储存文件时,文件使用的编码并没有保存,打开时则需要我们记住原先保存时使用的编码并使用这个编码打开,这样一来产生了许多麻烦。
  那记事本打开文件时并没有让选编码?不妨先打开记事本再使用文件 -> 打开一个保存为UTF-8编码格式的txt文档看看
  UTF引入了BOM来表示自身编码,如果一开始读入的几个字节是其中之一,则代表接下来要读取的文字使用的编码是相应的编码:
  BOM_UTF8 'xefxbbxbf'
  BOM_UTF16_LE 'xffxfe'
  BOM_UTF16_BE 'xfexff'
  那针对UTF-8格式文件存在BOM的情况下,如何获取内容呢?Codec中有个方法codecs.BOM_UTF8可以去参考一下,此处不详细解释
  GB2312、GBK、GB18030的区别及联系
  这里给出参考链接,http://www.zhihu.com/question/19677619
  该文章描述的比较全面清晰,总结一下是:
  · GBK完全兼容GB2312
  · GB 18030完全兼容GB 2312,基本兼容GBK,支持GB 13000及Unicode的全部统一汉字,共收录汉字70244个。
  GB 18030,全称:标准GB 18030-2005《信息技术中文编码字符集》,是中华人民共和国现时新的内码字集,是GB 18030-2000《信息技术信息交换用汉字编码字符集基本集的扩充》的修订版。
  中文处理流程总结
  处理中文数据时好采用如下方式:
  1. Decode early(尽早decode, 将文件中的内容转化成unicode再进行下一步处理)
  2. Unicode everywhere (程序内部处理都用unicode)
  3. Encode late (后encode回所需的encoding, 例如把终结果写进结果文件)
  有几点要说明一下:
  * 所谓“正确的”编码,指得是指定编码和字符串本身的编码必须一致。这个其实并不那么容易判断,一般来说,我们直接输入的简体中文字符,有两种可能的编码:GB2312(GBK、GB18030)、以及UTF-8
  * GB2312、GBK、GB18030本质上是同一种编码标准。只是在前者基础上扩充了字符数量
  * UTF-8和GB编码不兼容
  *第二步,将str转化为unicode对象时,可以使用下列两个方法:都是将gb2312编码的str转为unicode编码
  · unicode(str,'gb2312')
  · str.decode('gb2312')
  *另外,在定义字符串时,出现中文,都使用str=u '汉字' 来定义。

上一页12下一页
软件测试工具 | 联系我们 | 投诉建议 | 诚聘英才 | 申请使用列表 | 网站地图
沪ICP备07036474 2003-2017 版权所有 上海泽众软件科技有限公司 Shanghai ZeZhong Software Co.,Ltd