Python字符串编码坑彻底详细解决 何梁

所以不同编码的str对象可以先解码（decode）成unicode 再编码（encode）成其他编码的str对象。

真正完全搞清楚Python的编码问题

 

我想大家经常被Python的编码问题搞的晕头转向，下面我一头来自实习僧的牛，为您详细解析这个天坑:

 

请看图：

 

 

1、python中一切皆对象，字符对象分为两种，一种是unicode对象,一种是str对象。

 

2、python中字符是unicode为基础的，所以平时我们的字符串，也就是str在python内存中其实是以unicode编码存储的。

 

3、所以我们平时print一个字符串的时候，看到的是中文，但是如果你把这个字符串放在list里(就是外面加上[ ])，再print，就能看到原生的编码了。因为前面说了，在python内存存储中都是以unicode存储的，所以放在List里面，打印就能看见原生的存储模式。

 

 

 

4、str是字符串对象，但是可以有很多不同的编码，utf-8,gbk,ascii,都是编码。

 

5、不同编码的str对象，互相不能直接转换，也就是说utf-8编码的不能直接转换成gbk的。

 

6、但是不同编码的str对象都可以解码成unicode对象，因为一切数据在Python都是以unicode存储的，str.decode(编码类型)

 

7、unicode对象也可以编码成任意一种编码的str对象。 unicode.encode('编码类型')

 

8、所以不同编码的str对象可以先解码（decode）成unicode 再编码（encode）成其他编码的str对象。

 

 

 

9、utf-8包含国际上所有字符的编码,GBK主要包含全部中文字符，所以说我们大家爱用utf-8，因为全。

 

10、所以说utf-8中有一些字符，gbk没有，所以有一些Utf-8解码后再编码成gbk后会报错，因为gbk没有那种字符。

 

11、有一些str中可能混着有gbk,utf-8等好几种编码，所以有时候decode的时候会报错，因为你按照gbk解码，可能里面又包含了一种不识别的utf-8码得到。

 

12、以上两条，有没有只编码或者解码对的啊，错误的字符就跳过？

 

13、有，decode('utf-8','ignore'),encode('utf-8','ignore') 加一个'ignore'参数 就会忽略错误。

 

14、在python中可以使用chardet.detect(str)来检测一个str是什么编码的：

 

 

 

15、chardet.detect(str)有一个缺点就是，他是根据概率来的，比如如果字符串是'aaaaaa你',前面的单字符就会判断为其他编码，因为单字母本身就是其他编码都支持，所以：

 

 

#ISO-8859-2 西欧字符集

 

16、print str 或者 unicode 都会显示出正常的文字，但是python中直接显示 str是'\xe3\xbd'这种字符，unicode是 u'\u4f60' 这种的

 

17、大家可以在自己本机上多试试。