一、文件编码
在Python解释器中字符串有两种类型:str、unicode。
其中,unicode是默认的类型;而str则是unicode之外的其他类型,可能是ascII、gbk、utf-8等。unicode类型只存在于Python解释器中,当需要’向外输出‘时需要将unicode类型转换成对应的str类型;而Python解释器从’外部读取‘数据时则需要从str类型转成unicode类型。
#!/usr/bin/python #执行程序申明
# –– coding: utf-8 –– #文件编码申明
a = u'中国'
print type(a) # => unicode
#通过在字符串前面添加一个u字符,即可申明字符串为unicode类型。这样申明的字符串在载入解释器时会被自动转为unicode类型。
import codecs
f=codecs.open('test.txt','r','utf8')
#这里使用了codecs模块,是专门用于解决文件编码问题的库。它可以很好地解决文件读写的编解码问题。
二、数据库编码
数据库作为最常用的外部数据源,其读取和写入都需要预先设置好编码方式。例如,数据库的编码为gbk,那么在连接数据库时就需要指定编码为gbk。
以MySQLdb库为例设置编码方式如下:
conn=MySQLdb.Connect(host="localhost",user="root",passwd="root",db="test",charset="gbk")
#这里建立了一个数据库连接,IP为本机地址,用户名为root,密码为root,数据库名为test,编码为gbk。通过该连接读取数据时,返回的数据编码直接为unicode类型;而当我们需要写入数据到数据库时,记得要提前把数据都转换为unicode或gbk类型。
三、编解码函数
在Python中可以进行编解码的函数有str.decode、str.encode、unicode、str。
当获取到的字符类型为str时,则它有可能是ASCII、gbk、utf-8等编码中的一种。此时的字符为已编码形式,将str转换为unicode类型即为解码。编码的过程与解码刚好相反,即从unicode转换为str类型。