最近听Alex讲到python编码,还特意用博客讲解,觉得问题严重了,于是翻看各种博客,先简单的对编码错误做一个总结,其他的后续慢慢补上,还得上班、还得学习、还得写博客?感觉有点吃不消了。各位大神不喜勿喷啊。本人是Mac电脑,终端默认编码格式utf-8
Python编码错误及解决办法
字符串是python中最常用的数据类型,而且很多时候会用一些不属于ascii字符集的字符,这是就会抛出UnicodeDecodeError:ascii codec can‘t decode byte 0xc4 in position 10:oridinal not range(128)异常。这种异常在python中很容易遇到,尤其是在python2.x中
字符串在python内部的表示是unicode编码,因此,在做编码转换是,通常需要以unicode作为转码的中间编码,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。但是在Python2.x中默认编码格式是ascii,就是说在没有指定Python源码编码格式的情况下,源码中所有字符都被默认为ascii码。也是因为这个根本原因,在Python2.x中经常遇到UnicodeDecodeError或者UnicodeEncodeError的异常。
Unicode为了能够处理Unicode数据,同时兼容Python某些内部模块,Python2.x中提供了Unicode这种数据类型,通过decode和encode方法可以将其他编码和unicode编码相互转换。
Python常见编码异常(几乎都出现在Python2.x中)
Python中常见的编码异常包括:SyntaxError: Non-ASCII character 、UnicodeDecodeError和UnicodeEncodeError等。
1.SyntaxError: Non-ASCII character
这种异常不是很常见,但最好解决了。只要是因为Python源码文件中存在不属于ascii字符,而且同时没有声明源码的编码格式,例如
#在Python2.x中,在文件头部没有指定编码格式 s = ‘土耳其大骗子‘ print s #SyntaxError: Non-ASCII character ‘\xe5‘ in file /xxx/xxx/exercise-unicode.py on line 2, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details
解决办法:在文件头部声明编码格式 #!-*- encoding:utf-8 -*-或#!encoding:utf-8
Python2.x中如果不在源码文件首行指定编码格式,则无法在Python源码文件中出现非ascii字符。这是由于Python解释器默认将源码认为是ascii编码格式
2.UnicodeDecodeError
这个异常则会出现在调用decode方法时,原因是Python将其他编码格式的字符转化为unicode编码,但是字符本身的编码格式和decode传入的编码格式不一致,例如:
#Python2.x中
#!encoding:utf-8
s = ‘土耳其大骗子‘ us = s.decode(‘gbk‘) #异常 #UnicodeDecodeError: ‘gbk‘ codec can‘t decode bytes in position 4-5: illegal multibyte sequence
上面这段代码字符串字符串s默认的编码格式是“utf-8”(#!encoding:utf-8声明的意思就是:当前.py文件中所有的字符都是utf-8编码的),但是在使用decode转化为unicode编码是传入的编码格式为“gbk”,因此在转化的时候抛出UnicodeDecodeError异常。还有一种情况是在encode的时候:
#Python2.x中 #! -*- encoding:utf-8 -*- s = ‘土耳其大骗子‘ us = s.encode(‘gbk‘) #输出 #UnicodeDecodeError: ‘ascii‘ codec can‘t decode byte 0xe5 in position 0: ordinal not in range(128)
这里是s是“utf-8”编码,直接使用s.encode(‘gbk‘),实际上是使用了系统默认的defaultencoding来解码,等价于
s.decode(defaultencoding).encode(‘gbk‘)
而s的实际编码和defaultencoding(python2.x默认是ascii)不同。
3.UnicodeEncodeError
错误的decode和encode方法会出现异常,比如使用decode方法将unicode字符串转化的时候
#! -*- encoding:utf-8 -*- s = u‘土耳其大骗子‘ us = s.decode(‘utf-8‘) #输出 #UnicodeEncodeError: ‘ascii‘ codec can‘t encode characters in position 0-5: ordinal not in range(128)
由于在Python2.x中,字符串转化为unicode编码的时候,可以通过unicode(‘xxx‘)、u‘xxx‘、‘xxx‘.decode(‘utf-8‘),但是本示例是将unicode编码的字符串解码,于是抛出“UnicodeEncodeError”异常
Python中编码规范
1.遵循PEP0263原则,声明编码格式(推荐)
在PEP 0263 Defining Python Source Code Encodings中提出了对Python编码问题的最基本的解决方法:在Python源码文件中声明编码格式,最常见的声明格式如下:
#!/usr/bin/python #! -*- encoding:utf-8 -*-
表示当前.py文件的字符串编码格式都是按照“utf-8”编码的,不是读取的文件是用“utf-8”编码读取的
2.使用 u‘中文‘ 代替中文(Python 2.x)
s1 = ‘中文‘
s2 = u‘中文‘
Python中有以上两种声明字符串变量的方式,它们的主要的是编码格式的不同,其他s1的编码格式和Python头文件声明的编码格式一致,而s2的编码格式则是unicode。如果你声明的字符串变量中包含非ascii字符,最好使用s2的的声明格式,这样你可以不需要执行decode,直接对字符串进行操作,可以避免出现一个异常。
注意:Python3中不存在 u‘xx‘的声明方式。
3.Reset默认编码
Python中出现这么多的编码问题的根本原因是Python 2x中的默认编码是ascii,所以你可以通过以下的方式修改默认的编码格式:
import sys sys.setdefaultencoding(‘utf-8‘)
这种方法可以解决部分编码问题,但是同时也会引入很多其他问题,得不偿失,建议不要使用这种方式。