Python 中文亂碼

巴扎黑
發布: 2016-12-07 10:41:19
原創
1172 人瀏覽過

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 

🎜 🎜🎜s= .encode('gb2312') 🎜🎜else: 🎜🎜print s.decode('utf-8').encode('gb2312')🎜🎜🎜🎜
相關標籤:
來源:php.cn
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板
關於我們 免責聲明 Sitemap
PHP中文網:公益線上PHP培訓,幫助PHP學習者快速成長!