Python汉字编码经验总结

每次处理汉字，总要出现一些意外。最容易出现的问题有：

• 从输入对话框获取的包含汉字的字符串，写入数据库后再读出来，变成乱码。
• 从文件对话框中获取的文件路径，不能被处理文件的模块接受。
• 使用Inno打包程序，不能使用中文路径。
• UTF8 == Unicode Transformation Format -- 8 bit  
  是Unicode传送格式。即把Unicode文件转换成BYTE的传送流。  
  

Python中的字符串有str和unicode两种形式，两者之间不能连接，也不能比较。汉字编码，常见的有gbk和utf-8等形式，gb2312/cp936和gbk基本上是重合的。我曾经以为，utf-8编码之后就是unicode类型的字符串，结果导致概念不清，错误不断。事实上，gbk和utf-8编码之后，都是str类型的字符串，字符串前面加上u生成的才是unicode类型的字符串。gbk字符串、utf-8字符串和unicode字符串是可以相互转换的，其关系如下图所示：

至于如何确认一个字符串是哪一种类型的变量，则是一个很简单的问题：可以使用type()来检查字符串类型。例如：

点击打开链接