python_中文乱码问题

1. 编码和解码的概念:
    编码是将源对象内容按照一种标准转换为一种标准格式内容。
    解码是和编码对应的,它使用和编码相同的标准将编码内容还原为最初的对象内容。

2. python中的编码和解码:

  (1)decode的作用是将其他编码的字符串转换成unicode编码。

  (2)encode的作用是将unicode编码转换成其他编码的字符串。如果待编码的字符串不是Unicode,python会进行以下两步:

      a) 将字符串转换为解码为Unicode(采用python默认的编码:ASCII)

      b) 将Unicode编码为指定的编码

 3. 文件的编码格式的作用?
     文件的编码格式决定了源文件字符串的编码格式

  当文件中的字符串没有指定编码方式时,则采用“文件的编码格式”

    当文件中的字符串指定了编码方式,则使用指定的编码方式。例如:u"哈"的编码方式为Unicode不管是在GBK文件中,还是UTF-8文件中

4. python文件中,编码声明的作用?

a. 声明源文件中将出现非ascii编码,通常也就是中文;

b. 在高级的IDE中,IDE会将你的文件格式保存成你指定编码格式

c. 决定源码中类似于u'哈'(unicode)这类声明的将‘哈’解码成unicode所用的编码格式,也是一个比较容易让人迷惑的地方

5. python默认的编码格式

  python默认的编码方式为ASCII

6. 操作系统默认的编码格式

  win7 32位系统,默认的编码方式是GBK

7. 经常出现的问题:

  (1).  【代码和运行结果】:

      文件的编码格式:UTF-8(无BOM编码)

python_中文乱码问题

    【编码解读】:

      1). 文件的编辑格式:决定了文件中所有字符的编码----UTF-8(无BOM编码)

       故“试图打印中文”会用UTF-8进行编码\xE8\xAF\x95\xE5\x9B\xBE\xE6\x89\x93\xE5\x8D\xB0\xE4\xB8\xAD\xE6\x96\x87

      2). python默认采用的编码方式为ASCII

        python会用ASCII码对“试图打印中文”进行解码。两种编码方式不一样,故会报错

    【修改方法】:

      1). 在python文件中,加入编码声明: --------此时声明只能声明文件中会出现非ASCII编码,即中文编码

        #-*- coding:utf-8 -*-

  (2).  【代码和运行结果】:

文件的编码格式:UTF-8(无BOM编码)

      python_中文乱码问题

    【编码解读】:

             1). 文件的编辑格式:决定了文件中所有字符的编码----UTF-8(无BOM编码)

       故“哈哈”会用UTF-8进行编码\xE5\x93\x88\xE5\x93\x88  

      2). print语句它的实现是将要输出的内容传送了操作系统,操作系统会根据系统的编码对输入的字节流进行编码-----win7 32位操作系统的编码为GBK

        故“\xE5\x93\x88\xE5\x93\x88”用GBK解码成了“鍝堝搱”

    【修改方法】:

      1). 将文件的编码格式修改为GBK(或者GB2312)

  (3).  【代码和运行结果】:

文件的编码格式:UTF-8(无BOM编码)

     python_中文乱码问题

    【编码解读】:

             1). 文件的编辑格式:决定了文件中所有字符的编码----UTF-8(无BOM编码)

       故“哈哈”会用UTF-8进行编码\xE5\x93\x88\xE5\x93\x88

      2). encode直接编码的方法会进行如下两步操作:

        将Str解码成Unicode(采用python系统默认的编码方式ASCII)------故此步会报错

        将Unicode编码成GBK

    【修改方法】:

      1). 将python系统的默认编码方式修改为UTF-8

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

      2). 先对str进行解码,解码成Unicode编码格式,后将Unicode编码格式编码成GBK

       str = str.decode("utf-8")
          str = str.encode("gbk")

  (4).  【代码和运行结果】:

文件的编码格式:UTF-8(无BOM编码)

      python_中文乱码问题

    【编码解读】:

             1). 文件的编辑格式:决定了文件中所有字符的编码----UTF-8(无BOM编码)

       故“哈哈”会用UTF-8进行编码\xE5\x93\x88\xE5\x93\x88

      2). str = u"哈哈",转换成Unicode时,不是用文件的编码格式(UTF-8)进行的解码,而是用文件编码声明进行解码(GBK),这样导致出现错误  

    【修改方法】:

      1. 将文件编码声明为:

        #-*- coding:utf-8 -*-

8. 主要参考:

      (1)http://blog.csdn.net/kiki113/article/details/4062063

      (2)UTF-8、GBK、Unicoded编码对照表

      

上一篇:js没有函数重载


下一篇:bzoj 1176 Mokia(CDQ分治,BIT)