1.普通字符串与unicode转换
无论是什么平台什么编码格式都能转换为unicode格式。
以utf8编码方式把字符串转换为unicode:
'aaa'.decode('utf8')
等同于
unicode('aaa', 'utf8')
把unicode字符串转换为utf8编码格式字符串:
'aaa'.decode('utf8')
注意:这样写已经表示'aaa'是一个unicode格式的字符串了,等同于
u'aaa'.decode('utf8')
如果全部是英文字符或者数字,则utf8与gbk输出结果一致,而且带不带u都一样
2.有汉字的字符串
这是中国程序员最苦逼的地方,什么乱码之类的几乎都是由汉字引起的,伤不起!
把普通中午字符串转换为unicode:
'也有'.decode('gbk')
注意:此时字符串前不能加u,而且汉字编码只能写gbk或者gb2312等
把上面的结果再转成gbk
print
当然unicode可以转成utf8,但是要看你的终端支持什么编码了,要不然就会乱码,我用的WIN,所以就用gbk测试
如果不用print输出,直接
u'\u4e5f\u6709'.encode('gbk')
或者
u'\u4e5f\u6709'.encode('utf8')
你会看到这两个汉字在gbk和utf8编码格式下的字符,这里不多研究了(utf8汉字编码比gbk多一个字符)
下面把运行的结果输出:
>>> 'aaa'.decode('utf8')
u'aaa'
>>> unicode('aaa', 'utf8')
u'aaa'
>>> 'aaa'.decode('utf8')
u'aaa'
>>> u'aaa'.decode('utf8')
u'aaa'
>>> '也有'.decode('gbk')
u'\u4e5f\u6709'
>>> print
也有
>>> u'\u4e5f\u6709'.encode('gbk')
'\xd2\xb2\xd3\xd0'
>>> u'\u4e5f\u6709'.encode('utf8')
'\xe4\xb9\x9f\xe6\x9c\x89'
说明:str()函数,有时候我们要借助它来过度转换,比如u'长春市',这就是我下午遇到的问题,把urlencode转换的编码经过urldecode解码,结果前面多个u,此时是utf8编码,然后decode成unicode,出问题了:
>>> s = u'长春市'
>>> import urllib
>>> urllib.unquote(s)
u'\xe9\x95\xbf\xe6\x98\xa5\xe5\xb8\x82'
>>> urllib.unquote(s).decode('utf8')
Traceback (most recent call last):
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-8: ordin
al not in range(128)
特别注意:utf8编码、gbk编码的原型加上u然后再转unicode是错误写法,肯定转不了,那怎样去掉u呢?str()函数也不能直接转,只好把u'长春市'用str()处理去掉u,然后一切都OK了。
>>> urllib.unquote(str(s)).decode('utf8')
u'\u957f\u6625\u5e02'
>>> print urllib.unquote(str(s)).decode('utf8')