Python 字符串编码

字符串在python内部的表示是unicode编码，所以，在编码转换时，通常以unicode编码为中介。

这个过程是这样的，用decode将某种字符编码转换成unicode编码，比如str.decode('gb2312')，或者 u'str'，将str从'gb2312'编码转换成'unicode'编码；然后再用encode将unicode编码转换成目标编码形式，比如str.encode('utf8')，将str从'unicode'编码转换成'utf8'编码。

在转码的时候一定要先搞明白，字符串str是什么编码。

代码中字符串的默认编码与代码文件本身的编码一致。查看系统源代码：

import sys
print sys.getdefaultencoding()

在英文系统中，输出为 ascii

如，str='中文'

如果在文件开头加上'#-*-coding:utf-8-*-'，即utf8文件，那么该字符串就是utf8编码，直接print即可。如果是在gb2312文件中，则其编码为gb2312，这种情况下就需要按照上面的转码步骤进行转码。

通常，在没有指定特定的编码方式时，都是使用系统默认编码创建代码文件。

如，str=u'中文'

说明该字符串已经是unicode编码了，即python的内部编码，与代码文件本身的编码无关。在这种情况下，如果需要编码转换，只需要直接使用encode即可。比如，str.encode('utf8')。

如果，一个字符串已经是unicode编码了，再进行解码就会报错，所以需要确认编码形式是否是unicode：

isinstance(str, unicode)

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。

在英文系统中，输入：

str = <span style="font-family: Arial, Helvetica, sans-serif;">u'中文'</span>

print str

系统会报错，UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为 在英文系统中，控制台信息输出窗口是按照ascii编码输出的，而上面是unicode编码，所以会产生错误。

解决方法是，改为：

print str.encode('gb2312')

或者

print str.encode('utf8')

注意，unicode(str, 'gb2312') 和 str.decode('gb2312')是一样的，都是将gb2312编码转换成unicode编码。

从网上看到讲的这么详细的，非常受益，就 转载过来。

下面代码值得学习：

#-*-coding:utf-8-*-
str = '中文'

if ininstance(str, unicode):
   print str.encode('gb2312')
else:
   print str.decode('utf-8').encode('gb2312')