在Python中中文编码综述

Python文件中的编码

Python 默认脚本文件都是 ANSCII 编码的，当文件中有非 ANSCII 编码范围内的字符的时候就要使用"编码指示"来修正一个 module 的定义中，如果.py文件中包含中文字符（严格的说是含有非anscii字符），则需要在第一行或第二行指定编码声明：# -- coding=utf-8 -- 或者 #coding=utf-8，其他的编码如：gbk、gb2312也可以。或者也可以理解成外界有繁多的编码形式，如utf8、gbk等，而PC内部只有ANSCII编码。

Python中的编码与解码

经常遇见两个函数，其一：encode:表示编码，（将一个unicode对象转换为参数中编码格式的普通字符）代表从PC到外部；其二：decode:表示解码，（将普通字符串按照参数中的编码格式进行解析，然后生成对应的unicode对象）代表从外部读取到PC。

例如：

这里PC会首先对s自动的进行decode操作，由于没有指定解码方式，所以Python会使用sys.defaultencoding指明的方式进行解码（默认的是anscii编码），然后再进行编码操作，使用方式是gb2312。但是这样假若s的编码方式不是anscii编码，则会存在隐患，解决办法：

法一：明确指出s的编码方式：

这里为首先用utf-8进行解码，然后用gb2312进行编码

法二：更改默认的编码方式：

最后如果在实际开发中遇到非法字符，使用上述编码和解码方式会出现报错

这时候一种解决办法就是直接忽略非法字符：

Python读取不同编码文件

读：在读取文件时，文件解码方式要与文件存储的编码方式相同。例如打开“utf-8”格式存储的文件

读取文件时还存在一个问题：在某些软件，如notepad，在保存一个以utf-8编码的文件时，会在文件开始的时候插入三个不可见字符（0xEF 0xBB 0Xbf ，即BOM），因此读取时需要自己去掉这些字符，一种解决办法如下：

Python中的两种字符串类型

在Python中有两种字符串类型，分别是str和unicode。由于Python默认是ANSCII编码，所以如果想要将str转换成特定编码类型，需要把str转换成Unicode，然后从Unicode转换为特定的编码类型，如utf8、gbk等。

其一：
表示用unicode编码方式存储信息

其二：
表示未指定编码方式，这时PC会自动的利用sys.defaultencoding指定的方式进行解码（默认的是anscii解码）然后存储成unicode编码形式

一个简单例子：

总结：

一般对于python文件，规定使用固定的一种编码方式。具体方法：可以在代码文件开头使用