以前一直对中文编码很模糊,没有搞清楚原理,觉得能用就行。最近看了NLTK的教材,有一些简单的理解,记下来。
外部编码———》decode——》Unicode——》encode——》外部编码。
python内部处理都用unicode.所有过程都是解码和编码的转换。
中文是gbk。通常遇到的中文乱码是utf-8。
string.decode()
string.encode()
遇到问题用上面的关系转换一下就行。
我觉得理解了本质,就不会迷糊了。
以前一直对中文编码很模糊,没有搞清楚原理,觉得能用就行。最近看了NLTK的教材,有一些简单的理解,记下来。
外部编码———》decode——》Unicode——》encode——》外部编码。
python内部处理都用unicode.所有过程都是解码和编码的转换。
中文是gbk。通常遇到的中文乱码是utf-8。
string.decode()
string.encode()
遇到问题用上面的关系转换一下就行。
我觉得理解了本质,就不会迷糊了。