s
# -*- coding: utf-8 -*-
print 'hello world哈'
'''
用 u'汉字' 构造出来的是unicode类型,不用的话构造出来是str类型
str的编码是与系统环境相关的,一般就是sys.getfilesystemencoding()得到的值
所以从unicode转str,要用encode方法
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。
总结:
u=u'unicode编码文字'
g=u.encode('gbk') #转换为gbk格式
print g #此时为乱码,因为当前环境为utf-8,gbk编码文字为乱码
str1=g.decode('gbk').encode('utf-8') #以gbk编码格式读取g(因为他就是gbk编码的)并转换为utf-8格式输出
print str1 #正常显示中文
安全的方法:
s.decode('gbk','ignore').encode('utf-8′) #以gbk编码读取(当然是读取gbk编码格式的文字了)并忽略错误的编码,转换成utf-8编码输出
因为decode的函数原型是decode([encoding], [errors='strict']),可以用第二个参数控制错误处理的策略,默认的参数就是strict,代表遇到非法字符时抛出异常;
如果设置为ignore,则会忽略非法字符;
如果设置为replace,则会用?取代非法字符;
如果设置为xmlcharrefreplace,则使用XML的字符引用。
'''
print "1--------------------------"
#u表示用unicode编码方式储存信息
s1 = u'中文s1'
#unicode是一个内置函数,第二个参数指示源字符串的编码格式。
s2 = unicode('中文s2','utf-8')#因为这个文件的编码是uft-8
print s1
print s1.encode('utf-8') #编码成utf-8格式输出
print s2
print "2--------------------------"
u=u'unicode编码文字'
g=u.encode('gbk') #转换为gbk格式
print g #此时为乱码,因为当前环境为utf-8,gbk编码文字为乱码
#以gbk编码格式读取g(因为他就是gbk编码的)并转换为utf-8格式输出
#str1=g.decode('gbk').encode('utf-8')
str1=g.decode('gbk','ignore').encode('utf-8')
print str1 #正常显示中文
s