快乐Python快速上手系列10 - 中文编码问题_if isinstance(s1,unicode)-CSDN博客

本文链接：https://blog.csdn.net/angela_NH/article/details/78912464

  关于现实中文字符，总会遇到很多问题，比方说在Python2.7中，默认情况，Python对字符的解码时采用ASCII的形式，这也是为什么当我们文件里添加了中文注释，或者字符串里包含了中文字符，python会报错如下： 

 
      if __name__ == '__main__': 
     
      s1 = "你好" 
     
      print(s1)

  运行后错误信息为： 

 
      File "D:\PythonProj\TLDA_Analyser\Chinese_Sym.py", line 2 
     
      SyntaxError: Non-ASCII character '\xe4' in file D:\PythonProj\TLDA_Analyser\Chinese_Sym.py on line 5, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

  纵然在字符串前面加上u也不行 

 
      if __name__ == '__main__': 
     
      s1 = u"你好" 
     
      print(s1)

  运行错误依然为 

 
      File "D:\PythonProj\TLDA_Analyser\Chinese_Sym.py", line 3 
     
      SyntaxError: Non-ASCII character '\xe4' in file D:\PythonProj\TLDA_Analyser\Chinese_Sym.py on line 3, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

  python默认的编码格式为ASCII，所以它无法解释中文字符。 

 
      >>> sys.getdefaultencoding() 
     
      'ascii' 
     
      >>>

  解决方法，在文件的开头加入希望python采用的编码格式的声明，例如： 

 
      #coding=utf-8 
     
      或者 
     
      #-*- coding: UTF-8 -*-

  总体代码示例如下： 

 
      #coding=utf-8 
     
      import chardet 
     
      if __name__ == '__main__': 
     
      s1 = "你好" 
     
      print(s1) 
     
      s_arr = bytearray(s1) 
     
      print(chardet.detect(s_arr)) 
     
      if isinstance(s1, unicode): 
     
      print("S1 is unicode") 
     
      else: 
     
      print("S1 is not unicode") 
     
      s2 = u"你好" 
     
      s_arr = bytearray(s2, 'utf-8') 
     
      print(chardet.detect(s_arr)) 
     
      if isinstance(s2, unicode): 
     
      print("S2 is unicode") 
     
      print(s2) 
     
      pass

  输出 

 
      你好 
     
      {'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'} 
     
      S1 is not unicode 
     
      {'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'} 
     
      S2 is unicode 
     
      你好

  但是在python3.5中就不存在这个问题啦，因为Python3.5的系统编码默认就是utf-8，下面代码在Python3.5中不需要担心任何的问题。 

 
      if __name__ == '__main__': 
     
      s1 = "你好" 
     
      print(s1) 
     
      pass

  实际应用中，显示的时候还存在其他方面的问题，比方说，cmd的显示问题， 

  可以相应的更改其codepage来达到目的。 

  举例， 

  我们要获取的信息是： 

  ©2015 Baidu 使用百度前必读 意见反馈 京ICP证030173号 

  　　Windows cmd 用的是cp936，也就是中文的GB2312，在GBK的字符集里没有“©”，这就导致通过GBK解析的时候出现编码问题。 

  　　这就像你在翻译英文的时候，出现了一个单词，这个单词你查遍了牛津大词典都没找到对应的含义解释，那么自然是会有问题的。 

  　　那假设，我还就想在cmd下执行这个python程序了，那么可以去修改cmd的默认编码类型为utf-8，对应的编码为CHCP 65001（utf-8）。在cmd 下输入：chcp 65001 命令回车。 

 
 然后，修改 
 cmd 
 的字体为“ 
 Lucida Console 
 ”，再来执行程序就可以被正确输出了。 

 
 Wish you happy with python:) 