Python 中文编码

Python中文编码的一些问题

Python文件的中文编码

在Python文件头部加入

# encoding: utf-8

即可在文件内使用中文注释。

输入的中文编码

读取的外部文件的编码，跟文件本身存储编码有关，可以在读取的时候加一个decode

str_u = str_gbk.decode('gbk') #将gbk编码的str_gbk解析成unicode编码str_u

统一解码成unicode，方便处理。

输入内容的编码跟当前系统使用的编码有关，同样可以在读取的时候加一个decode。

输出的中文编码

要将内容输出，需要将内容先转换成系统的编码，否则可能会出现错误

str_gbk = str_u.encode('gbk') #将unicode编码的str_u解析成gbk编码的str_gbk

比如windows下一般都是转换成gbk再做输出。

注意：源内容需要是unicode编码。

原则

总体原则就是：

输入的内容统一使用decode('xxx')，转换成uincode编码，然后做各种处理

输出的内容统一使用encode('xxx')，转换成系统编码(一般是gbk)，然后做输出处理

这样可以保证在python里面处理的所有内容编码都是unicode，方便管理