Python编码问题

Tag：python，Encoding，unicode

 

     现有的字符编码：ASCII，GBK，GB2312，UTF-8，Unicode......Unicode可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。

    Python中定义一个Unicode字符串和定义一个普通字符串一样简单,引号前小写的“u”表示这里创建的是一个Unicode字符串。
>>> s=u'Hello World !'
    代码文件中的字符串，经过decode以后，被转换为统一的unicode格式的内部数据，类似于u'*'。unicode数据可以使用encode函数，再自由转换为其他格式的数据，相当于一个统一的平台。

 

将输入的gb2312格式的数据解码为unicode
>>> '你好'.decode('gb2312')
u'/u4f60/u597d'
输入数据的格式取决于所用shell终端的编码设置。

 

解码同时转换为utf8
>>> '你好'.decode('gb2312').encode('utf8')
'/xe4/xbd/xa0/xe5/xa5/xbd'
 

如果你有一个特定编码的字符串，想要把它转为Unicode字符集，可以使用uncode()函数，它以编码名做为第二个参数。
>>> unicode('你好', 'gb2312')
u'/u4f60/u597d'