開始接觸python腳本,一上來就碰到了中文亂碼問題。
結合網路上的資料,現整理下:
字串在Python內部的表示是unicode編碼,因此,在做編碼轉換時,通常需要以unicode作為中間編碼,即先將其他編碼的字串解碼(decode)成unicode,再從unicode編碼(encode)成另一種編碼。
decode 解碼,作用是將其他編碼的字串轉換成unicode編碼,如str1.decode('gb2312'),表示將gb2312編碼的字串str1轉換成unicode編碼。
encode 編碼,作用是將unicode編碼轉換成其他編碼的字串,如str2.encode('gb2312'),表示將unicode編碼的字串str2轉換成gb2312編碼。
如果一個字串已經是unicode了,再進行解碼則將出錯,因此通常要對其編碼方式是否為unicode進行判斷:
isinstance(s, unicode) #用來判斷
用非unicode編碼形式的str來encode會報錯
如何取得系統的預設編碼?
#!/usr/bin/python
#coding=utf-8
import sys
print sys.getdefaultencoding()
該段程式在某些英文上輸出中為英文:Windowssoo ,字串的輸出總是出現亂碼,甚至錯誤,其實是由於IDE的結果輸出控制臺本身不能顯示字串的編碼,而不是程式本身的問題。
如在UliPad中運行如下代碼:
s=u"中文" #指定為Unicode編碼
print s
會提示:UnicodeEncodeError: 'ascii' codec can't inen not in range(128)。這是因為UliPad在英文WindowsXP上的控制台訊息輸出視窗是按照ascii編碼輸出的(英文系統的預設編碼是ascii),而上面程式碼中的字串是Unicode編碼的,所以輸出時產生了錯誤。
將最後一句改為:print s.encode('gb2312')
則能正確輸出「中文」這兩個字。
若最後一句改為:print s.encode('utf8')
則輸出:xe4xb8xadxe6x96x87,這是控制台資訊輸出視窗依照ascii編碼輸出utf8編碼的字串的結果。
unicode(str,'gb2312')與str.decode('gb2312')是一樣的,都是將gb2312編碼的str轉為unicode編碼
使用str.__class__可以查看str的編碼形式
編碼 說了半天,上碼: #coding=utf-8
#!/usr/bin/python