s1=’a’
print s1
转自:http://iysm.net/?p=171
作者:ysm
python 中文编码成绩
中文编码成绩是用中文的顺序员经常头大的成绩,在python下也是云云,那么应该怎么理解战解决python的编码成绩呢?
我们要知讲python内部运用的是unicode编码,而外部却要面对千奇百怪的各种编码,比如作为中国顺序经常要面对的gbk,gb2312,utf8等,那这些编码是怎么转换成内部的unicode呢?
首先我们先看一下源代码文件中运用字符串的情形。源代码文件作为文本文件就必然是以某种编码形式存储代码的,python默认会认为源代码文件是asci编码,比如说代码中有一个变量赋值:
python 中文编码成绩
python认为这个’a'就是一个asci编码的字符。在仅仅运用英文字符的情形下一切正常,但是如果用了中文,比如:
s1=’哈’
print s1
这个代码文件被执行时就会出错,就是编码出了成绩。python默认将代码文件内容当作asci编码处置惩罚,但asci编码中不存在中文,因此抛出异常。
解决成绩之讲就是要让python知讲文件中运用的是什么编码形式,对于中文,能够用的常睹编码有utf-8,gbk战gb2312等。只需在代码文件的最前端添加如下:
# -*- coding: utf-8 -*-
print sys.stdin.encoding
不过,如果你在Windows控制台下运行此代码的话,虽然顺序是执行了,但屏幕上打印出的却不是哈字。这是由于python编码与控制台编码的不一致造成的。Windows下控制台中的编码运用的是gbk,而在代码中运用的utf-8,python按照utf-8编码打印到gbk编码的控制台下自然就会不一致而不能打印出正确的汉字。
s1=unicode(‘哈’, ‘utf-8′)
print s1
s2=’哈’.decode(‘utf-8′)
另一种圆法是保持源码文件的utf-8不变,而是在’哈’前面加个u字,也就是:
Python在向控制台输出unicode对象的时候会自动凭据输出环境的编码进行转换,但如果输出的不是unicode对象而是普通字符串,则会直接按照字符串的编码输出字符串,从而出现上面的现象。
这样就能够正确打印出’哈’字了。
这里的这个u表示将后面跟的字符串以unicode花样存储。python会凭据代码第一行标称的utf-8编码辨认代码中的汉字’哈’,然后转换成unicode对象。如果我们用type查看一下’哈’的数据类型type(‘哈’),会得到<type ‘str’>,而type(u’哈’),则会得到<type ‘unicode’>,也就是在字符前面加u就表明这是一个unicode对象,这个字会以unicode花样存在于内存中,而如果不加u,表明这仅仅是一个运用某种编码的字符串,编码花样取决于python对源码文件编码的辨认,这里就是utf-8。
2) unicode()圆法: unicode对象 = unicode('xx','字符编码')
#coding:utf-8
运用unicode对象的话,除了这样运用u标记,还能够运用unicode类以及字符串的encode战decode圆法。
unicode类的构造函数接管一个字符串参数战一个编码参数,将字符串封装为一个unicode,比如在这里,由于我们用的是utf-8编码,所以unicode中的编码参数运用’utf-8′将字符封装为
unicode对象,然后正确输出到控制台:
解决办法一个是将源代码的编码也改成gbk,也就是代码第一行改成:
这就是告知python我这个文件里的文本是用utf-8编码的,这样,python就会依照utf-8的编码形式解读个中的字符,然后转换成unicode编码内部处置惩罚运用。
decode是将普通字符串按照参数中的编码花样进行解析,然后天生对应的unicode对象,比如在这里我们代码用的是utf-8,那么把一个字符串转换为unicode就是如下形式:
实际上就是外界无论传入什么字符,都应在python中以unicode对象形式存在,而将普通字符串转成unicode对象的圆法有:
这时候,s2就是一个存储了’哈’字的unicode对象,其实就战unicode(‘哈’, ‘utf-8′)以及u’哈’是沟通的。
那么encode正好就是相反的功能,是将一个unicode对象转换为参数中编码花样的普通字符,比如下面代码:
s3=unicode(‘哈’, ‘utf-8′).encode(‘utf-8′)
s3现在又变回了utf-8的’哈’。
t = "u'%s'"%(s['error']) #因为花样为:u'\u***\u***' ***为十六进制数
print t.encode('gbk')
# -*- coding: gbk -*-
1) u'***x': unicode对象 = 直接在字符串前加u关键字
s1=u’哈’
print s1
fc_lamp总结 :
赶集网当输出时:
1)如果顺序编码与系统控制台编码一致:则能够直接输出unicode对象
2) 如果顺序编码与系统控制台编码不一致或者说需要将unicode对象输出成特定编码的字符串时,就要进行如下转换:
s = '看了'
关于unicode对象以"字符串"形式存在成绩(也就是说unicode对象不是以对象形式存在,而是字符串):
我们能够用repr() 函数来打印出unicode的正的”内部“花样
#coding:utf-8
uobj.encode():string = unicode对象.encode('字符编码')
#以utf-8编码解析成unicode
print repr(unicode(s,'utf-8'))
这里输出 u'\u770b\u4e86'
这个是很有用的,比如经常在处置惩罚前端返回数据的json花样成绩上(如是正常的JSON花样,能够参看:http://fc-lamp.blog.163.com/blog/static/174566687201281061056943/):
s = {"error":"\u5956\u54c1\u6dfb\u52a0\u6210\u529f"}
t = eval(t)
#我们能够看这里输出为:<type 'unicode'>
#表明已为正真的一个unicode对象,而非以“字符串”形式存在的unicode
print type(t)
#输出成绩(以gbk编码)
3) string.decode():: unicode对象 = '***x'.decode('字符编码')
另外 import sys
另外,用decode函数也能够将一个普通字符串转换为unicode对象。很多人都搞不清楚python字符串的decode战encode函数都是什么意思。这里简要声名一下。