python-django的中文编码总结

最近在使用django的过程中，发现之前对中文编码的理解并不怎么正确，在此记录一下。

1.在所有需要显式使用中文的地方加上#-*- coding: UTF-8 -*-标识，（包括注释中的中文和代码中字符串的中文） 
2.django在db中存储的数据是经过encode的，但是通过模型取出的数据，是经过decode的。 
3.python中在进行字符串连接的时候，必须保证所有的子字符串编码或者未编码一致

OK，先从最简单的赋值开始。如下代码：

#!/usr/bin/python 
#-*- coding: UTF-8 -*- 
import logging 
logging.basicConfig(level=logging.DEBUG, 
        format='%(asctime)s %(levelname)s %(message)s', 
        filename='log.txt', 
        filemode='a+') 
x = '我爱你' 
logging.info(x) 
print x

输出是：

我爱你

log.txt中的结果是：

2010-06-25 17:50:51,019 INFO 我爱你

x是未经过decode的，所以在print的时候，系统会自动根据编码格式判断来输出中文。 
这里其实也引申出一个原则，当你进行print，写入文件，调用系统命令（命令的参数需要中文）等系统相关的操作的时候，将字符串encode；当从文件中把内容取出来的时候，马上decode。也就是说，在程序逻辑中，操作的字符串都应该是decode过的。

OK，我们做第二个实验

#!/usr/bin/python 
#-*- coding: UTF-8 -*- 
import logging 
logging.basicConfig(level=logging.DEBUG, 
        format='%(asctime)s %(levelname)s %(message)s', 
        filename='log.txt', 
        filemode='a+') 
x = '我爱你' 
logging.info(x.decode('utf-8')) 
print x.decode('utf-8')

此时print调用会报错：

1.py|11|  UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

而log调用仍然成功：

2010-06-25 17:55:05,868 INFO 我爱你

print的结果是在意料之中的，但是log的结果却是令人惊讶，猜测是log类在写入文件之前判断了内容的编码/解码，然后进行了encode之后写入。

下面是第三个，即如果组成字符串的子字符串编码/解码不一样，会怎样：

#!/usr/bin/python 
#-*- coding: UTF-8 -*- 
import logging 
logging.basicConfig(level=logging.DEBUG, 
        format='%(asctime)s %(levelname)s %(message)s', 
        filename='log.txt', 
        filemode='a+') 
x = '我爱你' 
y = '真的' 
cmd = "1 %s %s" % (x,y) 
print cmd 
cmd = "2 %s %s" % (x.decode('utf-8'),y.decode('utf-8')) 
print cmd.encode('utf-8') 
cmd = "3 %s %s" % (x,y.decode('utf-8')) 
print cmd

输出如下：

|| 1 我爱你 真的 
|| 2 我爱你 真的 
|| Traceback (most recent call last): 
1.py|17|  UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 2: ordinal not in range(128)

其实第三个实验就是我在django的使用中遇到的问题，从django中用MVC模型取出的数据是经过了decode之后的，但是其他的本地变量数据却是没有经过任何decode的，导致一直报错。