Python环境配置

Python环境配置

Python环境配置

1. Python主页地址：https://www.python.org/downloads/
   安装时可以选择添加到环境变量，否则需要手动添加。
   手动添加：C:\Python27\;C:\Python27\Scripts\;到环境变量的path变量里；

2. 安装chardet模块
   chardet是python的第三方库，用来进行编码识别。主页地址为：https://pypi.python.org/pypi/chardet
   可以使用pip命令直接安装：pip install chardet

3. Python中文字符处理

   • 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。

   转码的时候一定要先搞明白，字符串str是什么编码，先decode成unicode，然后再encode成其他编码。
   如果字符串是这样定义：s=u’中文’，则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关，此时只需要直接使用encode方法将其转换成指定编码即可。
   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

   处理Json文件时，如果里边包含中文，虽然已经是utf-8格式，但打印的时候会发现还是显示“\u4e2d\u56fd”。解决办法：

    json_obj = json.loads(line)
    newjson = json.dumps(json_obj, ensure_ascii=False)

---

如果觉得Python处理中文字符比较麻烦，直接使用3.×以上的版本是一个不错的选择，但需要注意的是在读取文件时，如果文件有中文而又没有指定编码格式，会自动使用gbk解码，如果文本是utf-8可能会出错，最好直接给定。