为什么会报错“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)”?本文就来研究一下这个问题。
字符串在Python内部的表示是unicode 编码,因此,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码,如str1.decode('gb2312'),表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串,如str2.encode('gb2312'),表示将unicode编码的字符串str2转换成gb2312编码。
因此,转码的时候一定要先搞明白,字符串str是什么编码,然后decode成unicode,然后再encode成其他编码
代码中字符串的默认编码与代码文件本身的编码一致 。
如:s='中文'
如果是在utf8的文件中,该字符串就是utf8编码,如果是在gb2312的文件中,则其编码为gb2312。这种情况下,要进行编码转换,都需 要先用decode方法将其转换成unicode编码,再使用encode方法将其转换成其他编码。通常,在没有指定特定的编码方式时,都是使用的系统默 认编码创建的代码文件。
如果字符串是这样定义:s=u'中文'
则该字符串的编码就被指定为unicode了,即python的内部编码,而与代码文件本身的编码无关。因此,对于这种情况做编码转换,只需要直接使用encode方法将其转换成指定编码即可。
如果一个字符串已经是unicode了,再进行解码则将出错,因此通常要对其编码方式是否为unicode进行判断:
isinstance(s, unicode) #用来判断是否为unicode
用非unicode编码形式的str来encode会报错
如何获得系统的默认编码 ?
#!/usr/bin/env python
#coding=utf-8
import sys
print sys.getdefaultencoding()
该段程序在英文WindowsXP 上输出为:ascii
在某些IDE中,字符串的输出总是出现乱码,甚至错误,其实是由于IDE的结果输出控制台自身不能显示字符串的编码,而不是程序本身的问题。
如在UliPad中运行如下代码:
s=u"中文"
print s
会提示:UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP 上的控制台信息输出窗口是按照ascii编码输出的(英文系统的默认编码是ascii),而上面代码中的字符串是Unicode编码的,所以输出时产生了错误。
将最后一句改为:print s.encode('gb2312')
则能正确输出“中文”两个字。
若最后一句改为:print s.encode('utf8')
则输出:\xe4\xb8\xad\xe6\x96\x87,这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。
unicode(str,'gb2312')与str.decode('gb2312')是一样的,都是将gb2312编码的str转为unicode编码
使用str.__class__可以查看str的编码形式
原理说了半天,最后来个包治百病的吧:)
复制代码 代码如下:
#!/usr/bin/env python
#coding=utf-8
s="中文"
if isinstance(s, unicode):
#s=u"中文"
print s.encode('gb2312')
else:
#s="中文"
print s.decode('utf-8').encode('gb2312')
感谢wolfmaster的分享:
http://wolfmaster.iteye.com/blog/638029
Python中文乱码
转载:http://quickbest.com.cn/discuz/thread-38962-1-1.html
估计入门时都会遇到的。我是在windows下用的Python25自带的IDLE编辑运行的,发现运行脚本得出的结果有一些中文显示是乱码,但有一些是正常的。百思不得其解。首先查看了一下源文件的编码格式,是UTF-8。经过搜索再搜索,调试再调试,也换了几个编译器,发现比IDLE还糟糕(可能需要进行encode设置)。问题终于解决了,一共花了俺将近5个小时,写在这里,希望遇到问题的人能搜索到这里,不再重犯。
乱码原因:
因为你的文件声明为utf-8,并且也应该是用utf-8的编码保存的源文件。但是windows的本地默认编码是cp936,也就是gbk编码,所以在控制台
直接打印utf-8的字符串当然是乱码了。
解决方法:
在控制台打印的地方用一个转码就ok了,打印的时候这么写:
print myname.decode('UTF-8').encode('GBK')
比较通用的方法应该是:
import sys
type = sys.getfilesystemencoding()
print myname.decode('UTF-8').encode(type)
Django网页中文乱码问题的解决 2008-04-04
来源:
点击进入
2008年04月04日 星期五 22:30
问题的提出:
写了一个py文件,含有中文,文件的开头写有#coding=utf-8。
写了一个对应处理的template,都含有中文。
最后显示网页时,用utf-8编码查看却为乱码,再用GBK编码查看,则显示正常。
问题的解决:
这是一个小小的低级错误。我是用ultraedit写html文件的,保存时估计默认保存为GBK编码了。换成记事本去写,保存时选择utf-8编码就可以了。
2008年04月04日 星期五 22:30
问题的提出:
写了一个py文件,含有中文,文件的开头写有#coding=utf-8。
写了一个对应处理的template,都含有中文。
最后显示网页时,用utf-8编码查看却为乱码,再用GBK编码查看,则显示正常。
问题的解决:
这是一个小小的低级错误。我是用ultraedit写html文件的,保存时估计默认保存为GBK编码了。换成记事本去写,保存时选择utf-8编码就可以了。
又是中文编码问题 2008-07-16
来源:
点击进入
2008年07月16日 星期三 14:28
"UnicodeDecodeError: 'ascii' codec can't decode byte 0xe9 in position 0: ordinal not in range(128)"
看了半天html模板,都是unicode编码,没有编码问题。但是输入中文的时候就出现这样的错误了。
解决办法,在该python文件的前面加上如下几句,问题得到解决。
import sys
default_encoding = 'utf-8'
if sys.getdefaultencoding() != default_encoding:
reload(sys)
sys.setdefaultencoding(default_encoding)
2008年07月16日 星期三 14:28
"UnicodeDecodeError: 'ascii' codec can't decode byte 0xe9 in position 0: ordinal not in range(128)"
看了半天html模板,都是unicode编码,没有编码问题。但是输入中文的时候就出现这样的错误了。
解决办法,在该python文件的前面加上如下几句,问题得到解决。
import sys
default_encoding = 'utf-8'
if sys.getdefaultencoding() != default_encoding:
reload(sys)
sys.setdefaultencoding(default_encoding)
Django调试小结 2008-04-16
来源:
点击进入
2008年04月16日 星期三 10:28
1、 遇到中文编码,统一用utf-8编码处理
所有的调试、编辑器都要默认使用utf-8格式存文件。
所有含有中文的py文件,第一行要写上#coding=utf-8
如果引进了别人的非utf-8文件,例如teset.html,可以使用记事本打开,另存为utf-8格式。
2、 每加入一个新的app,只要有model.py,一律要重建数据库,执行命令manage.py syncd
2008年04月16日 星期三 10:28
1、 遇到中文编码,统一用utf-8编码处理
所有的调试、编辑器都要默认使用utf-8格式存文件。
所有含有中文的py文件,第一行要写上#coding=utf-8
如果引进了别人的非utf-8文件,例如teset.html,可以使用记事本打开,另存为utf-8格式。
2、 每加入一个新的app,只要有model.py,一律要重建数据库,执行命令manage.py syncd
MySQLdb中文乱码问题的解决(Python) 2008-05-28
来源:
点击进入
2008年05月28日 星期三 23:22
写了一个简单的脚本,将我的数据整理到Mysql中去。遇到了乱码问题,改了一下,很快就解决了。连接mysql时要注意注明是utf-8字符集,所有中文都要是utf-8,如果有GBK也要先转换成utf-8,把握这个原则,中文乱码问题是不会有的。
转换脚本如下:
#-*- coding: utf-8 -*-,
#coding = utf-8
import MySQLdb,os
def wgdata2DB():
print "Convert weg game data to mysql"
db=MySQLdb.connect(host='localhost', #连接数据库
user='root',
passwd='123456',
db='testdb',
charset="utf8") #这里要注明是utf8字符集,文件开头最好也加上utf-8的声明
cursor=db.cursor()
if os.path.exists('test.dat'):
rFile = open('test.dat', 'r')
lines = rFile.readlines()
rFile.close()
loop = 0
for line in lines:
print "handle line:%d" % (loop)
myset = line.split(' ')
sqlstr = "INSERT INTO wg_Content (type,title,url,speed,des,size) VALUES('%s','%s','%s','%s','%s','%s')" \
%(myset[0],myset[1],myset[2],myset[3],myset[4],myset[5])
cursor.execute(sqlstr)
loop += 1
db.commit()
cursor.close()
db.close()
2008年05月28日 星期三 23:22
写了一个简单的脚本,将我的数据整理到Mysql中去。遇到了乱码问题,改了一下,很快就解决了。连接mysql时要注意注明是utf-8字符集,所有中文都要是utf-8,如果有GBK也要先转换成utf-8,把握这个原则,中文乱码问题是不会有的。
转换脚本如下:
#-*- coding: utf-8 -*-,
#coding = utf-8
import MySQLdb,os
def wgdata2DB():
print "Convert weg game data to mysql"
db=MySQLdb.connect(host='localhost', #连接数据库
user='root',
passwd='123456',
db='testdb',
charset="utf8") #这里要注明是utf8字符集,文件开头最好也加上utf-8的声明
cursor=db.cursor()
if os.path.exists('test.dat'):
rFile = open('test.dat', 'r')
lines = rFile.readlines()
rFile.close()
loop = 0
for line in lines:
print "handle line:%d" % (loop)
myset = line.split(' ')
sqlstr = "INSERT INTO wg_Content (type,title,url,speed,des,size) VALUES('%s','%s','%s','%s','%s','%s')" \
%(myset[0],myset[1],myset[2],myset[3],myset[4],myset[5])
cursor.execute(sqlstr)
loop += 1
db.commit()
cursor.close()
db.close()
Python字符集编码和文件读写 2008-04-18
来源:
点击进入
2008年04月18日 星期五 11:18
2008年04月18日 星期五 11:18
字符串编码
python中默认编码是ASCII,可以通过以下方式设置和获取:
使用print来输出时,python将内容传递给系统处理,windows会按照系统默认编码来输出。如果包含了中文,就要注意几点。
1 python代码文件的编码
py文件默认是ASCII编码,中文在显示时会做一个ASCII到系统默认编码的转换,这时就会出错:SyntaxError: Non-ASCII character。需要在代码文件的第一行或第二行添加编码指示:
2 字符串的编码
像上面那样直接输入的字符串是按照代码文件的编码来处理的,如果是unicode编码,有以下三种方式:
unicode是一个内置函数,第二个参数指示源字符串的编码格式。
decode是任何字符串具有的方法,将字符串转换成unicode格式,参数 指示源字符串的编码格式。
encode也 是任何字符串具有的方法,将字符串转换成参数指定的格式 。
3 系统的默认编码
对于中文系统来说,默认的是gbk,gb2312也可以,因为它是gbk的字集。使用print输出时,字符串会被转换成此格式,隐式转换时,是从代码文件编码格式转换成gbk,默认是ASCII->GBK。考虑上面第二点,如果字符串编码不是ASCII,则隐式转换会出错,需要显式转换,使用 encode方法。如果指定了代码文件格式为gbk,则隐式转换不存在问题。
文件读写
只是ASCII 或者gbk 编码格式的的文件读写,比较简单,读写如下:
f.writelines不会输出换行符。
unicode文件读写:
python中默认编码是ASCII,可以通过以下方式设置和获取:
import
sys
print sys.getdefaultencoding()
sys.setdefaultencoding( ' gbk ' )
但直到python重新启动后新的默认编码才会生效,我试了一下,
setdefaultencoding总是会出错,没有这个属性。用dir看,确实没有,python版本是2.5,不知道是否被取消了。print sys.getdefaultencoding()
sys.setdefaultencoding( ' gbk ' )
使用print来输出时,python将内容传递给系统处理,windows会按照系统默认编码来输出。如果包含了中文,就要注意几点。
1 python代码文件的编码
py文件默认是ASCII编码,中文在显示时会做一个ASCII到系统默认编码的转换,这时就会出错:SyntaxError: Non-ASCII character。需要在代码文件的第一行或第二行添加编码指示:
1
#
coding=gbk
2 print ' 中文 '
2 print ' 中文 '
2 字符串的编码
像上面那样直接输入的字符串是按照代码文件的编码来处理的,如果是unicode编码,有以下三种方式:
1
s1
=
u
'
中文
'
2 s2 = unicode( ' 中文 ' , ' gbk ' )
3 s3 = s1.decode( ' gbk ' )
2 s2 = unicode( ' 中文 ' , ' gbk ' )
3 s3 = s1.decode( ' gbk ' )
unicode是一个内置函数,第二个参数指示源字符串的编码格式。
decode是任何字符串具有的方法,将字符串转换成unicode格式,参数 指示源字符串的编码格式。
encode也 是任何字符串具有的方法,将字符串转换成参数指定的格式 。
3 系统的默认编码
对于中文系统来说,默认的是gbk,gb2312也可以,因为它是gbk的字集。使用print输出时,字符串会被转换成此格式,隐式转换时,是从代码文件编码格式转换成gbk,默认是ASCII->GBK。考虑上面第二点,如果字符串编码不是ASCII,则隐式转换会出错,需要显式转换,使用 encode方法。如果指定了代码文件格式为gbk,则隐式转换不存在问题。
1
#
coding=gbk
2
3 s = u ' 中文 '
4 print s.encode( ' gbk ' )
2
3 s = u ' 中文 '
4 print s.encode( ' gbk ' )
文件读写
只是ASCII 或者gbk 编码格式的的文件读写,比较简单,读写如下:
1
#
coding=gbk
2
3 f = open( ' c:/intimate.txt ' , ' r ' ) # r 指示文件打开模式,即只读
4 s1 = f.read()
5 s2 = f.readline()
6 s3 = f.readlines() # 读出所有内容
7
8 f.close()
9
10 f = open( ' c:/intimate.txt ' , ' w ' ) # w 写文件
11 f.write(s1)
12 f.writelines(s2) # 没有writeline
13 f.close()
2
3 f = open( ' c:/intimate.txt ' , ' r ' ) # r 指示文件打开模式,即只读
4 s1 = f.read()
5 s2 = f.readline()
6 s3 = f.readlines() # 读出所有内容
7
8 f.close()
9
10 f = open( ' c:/intimate.txt ' , ' w ' ) # w 写文件
11 f.write(s1)
12 f.writelines(s2) # 没有writeline
13 f.close()
f.writelines不会输出换行符。
unicode文件读写:
1
#
coding=gbk
2 import codecs
3
4 f = codecs.open( ' c:/intimate.txt ' , ' a ' , ' utf-8 ' )
5 f.write(u ' 中文 ' )
6 s = ' 中文 '
7 f.write(s.decode( ' gbk ' ))
8 f.close()
9
10 f = codecs.open( ' c:/intimate.txt ' , ' r ' , ' utf-8 ' )
11 s = f.readlines()
12 f.close()
13 for line in s:
14 print line.encode( ' gbk ' )
2 import codecs
3
4 f = codecs.open( ' c:/intimate.txt ' , ' a ' , ' utf-8 ' )
5 f.write(u ' 中文 ' )
6 s = ' 中文 '
7 f.write(s.decode( ' gbk ' ))
8 f.close()
9
10 f = codecs.open( ' c:/intimate.txt ' , ' r ' , ' utf-8 ' )
11 s = f.readlines()
12 f.close()
13 for line in s:
14 print line.encode( ' gbk ' )