Python中文全攻略

原创文章，转载请注明出处。

 1.        在Python中使用中文

在Python中有两种默认的字符串：str和unicode。在Python中一定要注意区分“Unicode字符串”和“unicode对象”的区别。后面所有的“unicode字符串”指的都是python里的“unicode对象”。

事实上在Python中并没有“Unicode字符串”这样的东西，只有“unicode”对象。一个传统意义上的unicode字符串完全可以用str对象表示。只是这时候它仅仅是一个字节流，除非解码为unicode对象，没有任何实际的意义。

我们用“哈哈”在多个平台上测试，其中“哈”对应的不同编码是：

1．               UNICODE (UTF8-16)，      C854；

2．               UTF-8，                    E59388；

3．               GBK，               B9FE。

1.1     Windows控制台

下面是在windows控制台的运行结果：

可以看出在控制台，中文字符的编码是GBK而不是UTF-16。将字符串s（GBK编码）使用decode进行解码后，可以得到同等的unicode对象。

注意：可以在控制台打印ss并不代表它可以直接被序列化，比如：

向文件直接输出ss会抛出同样的异常。在处理unicode中文字符串的时候，必须首先对它调用encode函数，转换成其它编码输出。这一点对各个环境都一样。

总结：在Python中，“str”对象就是一个字节数组，至于里面的内容是不是一个合法的字符串，以及这个字符串采用什么编码（