python编码问题的总结

如出现：

UnicodeEncodeError: 'Gbk' Codec Can't Encode Character '\xa0' in Position 111: Illegal Multibyte Sequence`

编码的问题

 

cmd终端显示乱码报错问题

编码问题的根本解决方法都是统一编码

两方面解决：

1、让终端的编码与文本输出的编码一致

1. 运行CMD；

2. 输入 CHCP，回车查看当前的编码；

3. 输入CHCP 65001，回车；

 

 

2、让文本输出的编码与终端的一致

html = contect.decode('utf-8').encode('gbk')

但往往会有无法编码的字符出现

可能会想到用用 ‘’ 来替换 ‘\xa0’ （ ）：

print(text.replace(u'\xa0 ', u' '))

但这总方法不太好，因为字段中不只'\xa0 '一个无法编码的字符

 

 

应该用此方法，见于《流畅的python》  4.4.1处理UnicodeEncodeError

#error='ignore' 处理方式悄无声息地跳过无法编码的字符；这样做通常很是不妥。

city.encode('cp437', errors='ignore')

#编码时指定 error='replace'，把无法编码的字符替换成 '?'；数据损坏了，但是用户知道出了问题。

city.encode('cp437', errors='replace')

#'xmlcharrefreplace' 把无法编码的字符替换成 XML 实体。

city.encode('cp437', errors='xmlcharrefreplace')

 

另外注意：

写入或读取文件时引发的UnicodeEncodeError:

注意要指定文本相应的编码，

f = open('log.txt','a',encoding='UTF-8')

 

 

总结：

统一编码，防止由于某个环节产生的乱码

环境编码，IDE/文本编辑器, 文件编码，数据库数据表编码

保证代码源文件编码