python2问题解决:'ascii' codec can't encode characters in position

ascii编码和unicode编码的问题

前面加上

import sys

reload(sys)

sys.setdefaultencoding('utf8')

 

python将unicode和str互相转化

a.encode('UTF-8') 还是utf编码,但是匹配后还是有问题

前面# -*- coding: utf-8 -*-就可以不用转化

正则匹配unicode

原因:

Python自然调用ascii编码解码程序去处理字符流，当字符流不属于ascii范围内，就会抛出异常

字符流是unicode的格式会报这种错误。所以解决方法就是修改默认编码，需要注意的是需要先调用reload方法。

ASCII 码

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。

ASCII 码一共规定了128个字符的编码，比如空格SPACE是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的一位统一规定为0。

Unicode 是「字符集」

如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是 Unicode，就像它的名字都表示的，这是一种所有符号的编码。

Unicode 当然是一个很大的集合，现在的规模可以容纳100多万个符号。

Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8 是「编码规则」

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示），不过在互联网上基本不用，UTF-8 是 Unicode 的实现方式之一。