python处理中文字符串_处理python字符串中的中文字符

# -*- coding:utf-8 -*-

import sys,os

txta = open('a.txt','r')

str = ''

for line in txta:

str += line.strip().decode('utf-8')

txta.close()

for word in str:

print word.encode('utf-8')

直接输出，是会乱码的，得先解码，再编码。

参考网址：http://blog.csdn.net/devil_2009/article/details/39526713

首先要明白的是，python里面默认的字符串都是ASCII编码，是string类型，ASCII编码处理中文字符是会出问题的。python的内部编码格式是unicode，在字符串前加‘u’前缀也可直接声明unicode字符串，如 u'hello'就是unicode类型。

如果处理的字符串中出现非ascii码表示的字符，要想不出错，就得转成unicode编码了。具体的方法有：

decode()，将其他边编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码；

encode()，将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码