Python-2.7 : 编码问题及encode与decode

标签：tail   方式   logs   技术分享   ace   .net   不能   src   ima   

普通的字符串在py2.7中都是以ASCII编码的，例如str=“abc”，若含有中文则会以gbk或者gb2312编码（GB2312是中国规定的汉字编码，也可以说是简体中文的字符集编码;GBK 是 GB2312的扩展 ,除了兼容GB2312外，它还能显示繁体中文，还有日文的假名）

但在字符串前加u，例如str=u“abc”，则可以将字符串定义成Unicode编码

系统自带的编码查看可通过 sys.getdefaultencoding() 获得，若要修改默认编码需要先 reload(sys) ，因为初始化后会删除 sys.setdefaultencoding 这个方法，我们需要重新载入，之后使用 sys.setdefaultencoding(‘utf-8‘)  即可修改

编辑py文件时在头部加上# -*- coding: utf-8 -*- 可以使这个py文件以utf-8编码，里面可以包含中文

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编码的字符串转换成gb2312编码，

若原字符串不是unicode编码而直接encode，则以系统默认编码进行解码，再encode，即 str2.encode(‘gb2312‘) == str2.decode(sys.getdefaultencoding()).encode(‘gb2312‘)

如果是在utf-8的文件中，字符串就是utf-8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。

isinstance(str,unicode)可以判断一个字符串是否为unicode编码，是则返回True，不是返回False

如果直接解码一些包含特殊字符的编码，可能会抛出异常，可以用以下方法解决：

s.decode("utf-8", "ignore") 忽略其中有异常的编码，仅显示有效的编码
s.decode("utf-8", "replace") 替换其中异常的编码，这个相对来可能一眼就知道那些字符编码出问题了，但是会把原来的编码搞乱，多用于测试，不是很实用

可以看到把gbk编码解码后要正确显示中文不能用utf-8来encode，还是只能用gbk或gbk2312，推测打开一些 txt 或 word 时的乱码应该就是把gbk的编码用utf-8显示了

各种编码常见编码参考：http://blog.csdn.net/shijing_0214/article/details/50908144

Python-2.7 : 编码问题及encode与decode

标签：tail   方式   logs   技术分享   ace   .net   不能   src   ima   

原文地址：http://www.cnblogs.com/tccbj/p/7527211.html