""" 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 解决正则出现中文的BUG结论: 1、打开文件 myfile = codecs.open("right.html","r") 不需要设置其编码的! 设置编码格式 str = myfile.read() content = str.replace("\n"," ") content = content.decode('utf-8','ignore') #使用utf-8解码成unicode格式 正则: regex3 = regex3.decode('utf-8','ignore') #正则也统一使用utf-8解码成unicode格式 然后就可以 p=re.compile(regex3) results = p.findall(content) 调用正则了! """
python中文decode和encode转码
最新推荐文章于 2024-06-28 21:30:26 发布