Python 解决乱码问题.doc

Python解决乱码问题

Python解决乱码问题2010-12-1410：48为什么Python使用过程中会出

现各式各样的乱码问题，明明是中文字符却显示成

"\xe4\xb8\xad\xe6\x96\x87"的形式?

为什么会报错"UnicodeEncodeError：'ascii'codeccan'tencode

charactersinposition0-1：ordinalnotinrange(128)"?本文就来研究一

下这个问题。

字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通

常需要以unicode作为中间编码，即先将其他编码的字符串解码(decode)成

unicode，再从unicode编码(encode)成另一种编码。

decode的作用是将其他编码的字符串转换成unicode编码，如

str1.decode('gb2312′)，表示将gb2312编码的字符串str1转换成unicode

编码。

encode的作用是将unicode编码转换成其他编码的字符串，如

str2.encode('gb2312′)，表示将unicode编码的字符串str2转换成gb2312

编码。

因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode

成unicode，然后再encode成其他编码

代码中字符串的默认编码与代码文件本身的编码一致。

如：s='中文'

如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文

件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode

方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，

在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。

如果字符串是这样定义：s=u'中文',则该字符串的编码就被指定为

unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对

于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。

如果一个字符串已经是unicode了，再进行解码则将出错，因此通常要对

其编码方式是否为unicode进行判断：

isinstance(s,unicode)#用来判断是否为unicode

用非unicode编码形式的str来encode会报错

如何获得系统的默认编码?

1#！/usr/bin/envpython2#coding=utf-83importsys4print

sys.getdefaultencoding()

该段程序在英文WindowsXP上输出为：ascii

在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE

的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。

如在UliPad中运行如下代码：

s=u"中文"

prints

会提示：UnicodeEncodeError：'ascii'codeccan'tencodecharacters

inposition0-1：ordinalnotinrange(128)。这是因为UliPad在英文

WindowsXP上的控制台信息输出窗口是按照ascii编码输出的(英文系统的默认

编码是ascii)，而上面代码中的字符串是Unicode编码的，所以输出时产生了

错误。

将最后一句改为：prints.encode('gb2312′)

则能正确输出"中文"两个字。

若最后一句改为：prints.encode('utf8′)

则输出：\xe4\xb8\xad\xe6\x96\x87，这是控制台信息输出窗口按照

ascii编码输出utf8编码的字符串的结果。

unicode(str,'gb2312′)与str.decode('gb2312′)是一样的，都是将

gb2312编码的str转为unicode编码

使用str.__class__可以查看str的编码形式

原理说了半天，最后来个包治百病的吧：)

1#！/usr/bin/envpython2#coding=utf-83s="中文"

4ifisinstance(s,unicode5#s=u"中文"

6prints.encode('gb2312'

7else8#s="中文"

9prints.decode('utf-8').encode('gb2312'