最近在项目中部署结巴分词的时候遇到了乱码情况,明明是中文,确显示不出来或者显示乱码。解决方案如下。
利用isinstance 来判断是否已经编码,s是出问题的字符串。unicode是没编码
isinstance(s, unicode):
用print 打印,如果结果是true说明没编码。如果是false说明编码了,但是编的码不对
print isinstance(s,unicode)
如果没编码,加入编码
s.encode('UTF-8')
如果编码了,编错了,就先解码再编
s.decode('utf-8').encode('gb2312')
参考:http://www.jb51.net/article/17560.htm
/********************************
* 本文来自博客 “李博Garvin“
* 转载请标明出处:http://blog.csdn.net/buptgshengod
******************************************/
本文介绍了解决结巴分词过程中遇到的乱码问题的方法。通过判断字符串是否已编码,未编码则进行UTF-8编码,已编码但错误则先解码再重新编码为gb2312。

被折叠的 条评论
为什么被折叠?



