Python的中文字元亂碼

打算用Python解析一下網路日誌檔。

必然地遇上了中文亂碼的問題。

小弟以前學Java，用Python解決中文亂碼的問題真不知道如何入手。

在Java下面調試通過的程式碼，放在Python環境下就給我鬧脾氣了。

 

費我九牛二虎之力，終於在一位Oschina大大的幫助下問題解決了。

Python編碼的思路主要是：

1.字串

2.Unicode

3.目標編碼集其中（CP936,GB2312,GBK,GB18030似貌可以互相直接轉換，大部分的編碼是一樣的）

 

了解Python的系統編碼的結構，先看以下的一段程式碼：

import locale 
  
def p(f): 
    print '%s.%s(): %s' % (f.__module__, f.__name__, f()) 
  
# 返回当前系统所使用的默认字符编码 
p(sys.getdefaultencoding) 
  
# 返回用于转换Unicode文件名至系统文件名所使用的编码 
p(sys.getfilesystemencoding) 
  
# 获取默认的区域设置并返回元祖(语言, 编码) 
p(locale.getdefaultlocale) 
  
# 返回用户设定的文本数据编码 
# 文档提到this function only returns a guess 
p(locale.getpreferredencoding) 
  
# \xba\xba是'汉'的GBK编码 
# mbcs是不推荐使用的编码，这里仅作测试表明为什么不应该用 
print r"'\xba\xba'.decode('mbcs'):", repr('\xba\xba'.decode('mbcs')) 
  
#在笔者的Windows上的结果(区域设置为中文(简体, 中国)) 
#sys.getdefaultencoding(): gbk 
#sys.getfilesystemencoding(): mbcs 
#locale.getdefaultlocale(): ('zh_CN', 'cp936') 
#locale.getpreferredencoding(): cp936 
#'\xba\xba'.decode('mbcs'): u'\u6c49'