编码问题

Python中文（非英文编码）解决方法

Python编译报错：“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)”

貌似Python3.x以下都存在编码问题，当然了，这个只是貌似，因为我用2.6.5遇到，而3.0已经成功编译。原理：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：将其他编码的字符串转换成unicode编码，如str.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。

encode：将unicode编码转换成其他编码的字符串，如str.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。

PS：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

字符串的默认编码与文件本身的编码一致

如：str = '中文字符'

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。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。

如果字符串这样定义：str = u'中文字符'

那么该字符串的编码就被指定为unicode了，而与文件本身的编码无关。因此，对于这种情况做编码转换，直接使用encode方法将其转换成指定编码即可。

如何获得系统的默认编码 ？

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，用以下命令来显示系统编码：

import sys

print sys.getdefaultencoding()

字符乱码

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。

str=u"中文字符"

print str

会提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为控制台信息输出窗口是按照ascii编码输出的），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 str.encode('gb2312')

则能正确输出“中文字符”。

若最后一句改为：print str.encode('utf8')

则输出 u'\u4e2d\u6587\u5b57\u7b26'

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

可用以下通用代码来判断：

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')