python编码问题、有没有一劳永逸的_python 编码问题总结记录

Python2的默认编码ASCII，这是python编码问题的根本原因，可以想象，python3的编码问题肯定没有那么多。

初级的解决方案是：

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

腾讯漫画爬虫，对于爬取下来的章节介绍，部分符号编码出错，原因的该类符号可能为GBK的编码，转utf-8的时候出错。

于是将先将字段转unicode格式，遇到/xo （记得不清楚了，空格）之类情况，因为两者编码类型不一样，于是转换的时候存在问题。（最后的解决方法，对文件/x0之类的字符进行替换 两种思路，一种替换为空 ，一种替换为对于正确字符）

2.python 乱码的大部分原因记录

即使使用了上面的方法，对于直接输入中文，不同的编辑器设置，显示的结果也会不同，虽然想说终极解决方案，但是实际上还是出现了各种古怪的问题，该方法只能对付大部分场景。

#coding=utf-8

import sys

import json

import requests

reload(sys)

sys.setdefaultencoding('utf-8')

with open("测试.txt","w") as f:

f.write("嘿嘿 ， 123")

上面是我测试的代码，生成的文件的名称为 娴嬭瘯.txt 直接乱码，如果要生成正常的编码，改为"测试.txt".decode("utf-8")

上面的情况是个人的特殊情况，因为使用的编码器是pycharm，编码类型为 global encoding utf-8 project encoding gbk,对于该.py文件来说，编码格式为GBK,而对于python来说，编码格式为utf-8。最后的结果就是utf-8直接转GBK。

上面其实真正正确的写法是： "测试.txt".decode("utf-8").encode("GBK")

3.查看字符串的编码格式

还是上面的代码 编辑器格式是GBK，repr可以输出原始的编码格式

print repr("你好".decode("utf-8"))

print repr("你好".decode("utf-8").encode("GBK"))

print repr("你好")

输出

u'\u4f60\u597d' # unicode

'\xc4\xe3\xba\xc3' #GBK

'\xe4\xbd\xa0\xe5\xa5\xbd' #utf-8

unicode 单个编码 GBK 两个编码 utf-8 3个编码，通过看编码的个数，可以大概判断编码的类型从而使用相应的格式进行转换。

4.编码格式代码输出

s = u'\u4eba\u751f\u82e6\u77ed\uff0cpy\u662f\u5cb8'

print s

输出：人生苦短，py是岸

s = s.decode('unicode_escape')

print s

输出：人生苦短，py是岸

对于爬虫或者传输的是编码类型字符串的时候，可以用上面的方式进行转换