python 中文编码问题

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。

        能够输出当前的编码花样。

  更多在python 3中的编码成绩参看：http://woodpecker.org.cn/diveintopython3/strings.html