总结总结,本文仅适用于python2.x
首先是开头的地方声明编码
# coding: utf8
这个东西的用处是声明文件编码为utf8(要写在前两行内),不然文件里如果有中文,比如
a = '美丽' b = u'美丽'
中任何一种,运行前就会提示你 SyntaxError
,Non-ASCII character... 之类,因为python2.x的文件编码默认使用万恶的 ascii
开头加上那句默认编码声明就会变成 utf8
,获取当前的默认编码
sys.getdefaultencoding()
在python中,使用unicode类型作为编码的基础类型,编解码要以其为中间形式过渡,即进行 str
和 unicode
之间的转换。
解码然后再编码的过程,即 str
-> unicode
-> str
的过程。中间得到的叫做unicode 对象
这里需要强调的是 unicode
是一种字符编码方法,是 “与存储无关的表示”,而 utf8
是一种以 unicode
进行编码的计算机二进制表示,或者说传输规范。 gbk , gb2312 , gb18030 , utf8 等属于不同的字符集,转换编码就是在它们中的任意两者间进行。
具体的转换,比如直接将一个字符串encode成另一种字符集表示,注意此处是字符串,即 type
为 str
的,引号前没有加 u
前缀的
# coding: utf8 s='美丽' s.encode('gbk')
则实际上会先以默认编码进行 decode
,即 decode('ascii')
,开头声明了utf8, s
的编码就是 utf8
,ascii解码不了 utf8
的字符会报错。那就改默认编码,
# coding: utf8 import sys reload(sys) sys.setdefaultencoding('utf-8') s='美丽' s.encode('gbk')
这样把默认编码改成utf8, decode
的时候就以默认编码 utf8 来进行,能够成功运行
或者 decode
时指定类型,
# coding: utf8 import sys s='美丽' s.decode('utf8').encode('gbk')
对于 type
为 unicode
的,即加了 u
前缀的字符串,如上所说,直接 encode
即可
# coding: utf8 import sys s = u'美丽' s.encode('gbk')
这又是另一个让人困惑的地方——控制台的编码导致的乱码问题甚至是报错。一般个人用的电脑上控制台基本上都是 utf8
编码的,但运维的机器上基本全是 ascii
,print中文的时候就会有酸爽的问题。乱码问题一般发生在 windows
下面,因为那个编码的字符集很与众不同。所以当以
方式编解码以后,还是出现问题,那问题很可能就出在控制台上了