如何自己制作首页网站,烟台制作网站软件,工业设计考研比较好的学校,电影网站怎么做推广中文编码问题是用中文的程序员经常头大的问题#xff0c;在python下也是如此#xff0c;那么应该怎么理解和解决python的编码问题呢#xff1f;
我们要知道python内部使用的是unicode编码#xff0c;而外部却要面对千奇百怪的各种编码#xff0c;比如作为中国程序经常要…中文编码问题是用中文的程序员经常头大的问题在python下也是如此那么应该怎么理解和解决python的编码问题呢
我们要知道python内部使用的是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程序经常要面对的gbkgb2312utf8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使用字符串的情况。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ascii编码比如说代码中有一个变量赋值 s1’a’
print s1
python认为这个’a就是一个asci编码的字符。在仅仅使用英文字符的情况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问题。python默认将代码文件内容当作ascii编码处理但ascii编码中不存在中文因此抛出异常。解决问题之道就是要让python知道文件中使用的是什么编码形式对于中文可以用的常见编码有utf-8gbk和gb2312等。只需在代码文件的最前端添加如下# -*- coding: utf-8 -*-
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的编码形式解读其中的字符然后转换成unicode编码内部处理使用。
不过如果你在Windows控制台下运行此代码的话虽然程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下控制台中的编码使用的是gbk而在代码中使用的utf-8python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。 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
# -*- coding: gbk -*-
另一种方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:s1u’哈’
print s1
这样就可以正确打印出’哈’字了。这里的这个u表示将后面跟的字符串以unicode格式存储。python会根据代码第一行标称的utf-8编码识别代码中的汉字’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格式存在于内存中而如果不加u表明这仅仅是一个使用某种编码的字符串编码格式取决于python对源码文件编码的识别这里就是utf-8。Python在向控制台输出unicode对象的时候会自动根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。使用unicode对象的话除了这样使用u标记还可以使用unicode类以及字符串的encode和decode方法。unicode类的构造函数接受一个字符串参数和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中的编码参数使用’utf-8′将字符封装为unicode对象然后正确输出到控制台s1unicode(‘哈’, ‘utf-8′)
print s1 另外用decode函数也可以将一个普通字符串转换为unicode对象。很多人都搞不明白python字符串的decode和encode函数都是什么意思。这里简要说明一下
decode是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
s2’哈’.decode(‘utf-8′)
这时s2就是一个存储了’哈’字的unicode对象其实就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。 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格式的普通字符比如下面代码 s3unicode(‘哈’, ‘utf-8′).encode(‘utf-8′) s3现在又变回了utf-8的’哈’。
