Python 中文亂碼

開始接觸python腳本，一上來就碰到了中文亂​​碼問題。

結合網路上的資料，現整理下：

 

字串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。 

 

decode 解碼,作用是將其他編碼的字串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字串str1轉換成unicode編碼。 

 encode 編碼,作用是將unicode編碼轉換成其他編碼的字串，如str2.encode('gb2312')，表示將unicode編碼的字串str2轉換成gb2312編碼。

 

如果一個字串已經是unicode了，再進行解碼則將出錯，因此通常要對其編碼方式是否為unicode進行判斷：

isinstance(s, unicode)  #用來判斷

用非unicode編碼形式的str來encode會報錯 

 如何取得系統的預設編碼？

#!/usr/bin/python

#coding=utf-8

import sys

print sys.getdefaultencoding()  

該段程式在某些英文上輸出中為英文：Windowssoo ，字串的輸出總是出現亂碼，甚至錯誤，其實是由於IDE的結果輸出控制臺本身不能顯示字串的編碼，而不是程式本身的問題。

如在UliPad中運行如下代碼：

s=u"中文"  #指定為Unicode編碼

print s 

會提示：UnicodeEncodeError: 'ascii' codec can't inen not in range(128)。這是因為UliPad在英文WindowsXP上的控制台訊息輸出視窗是按照ascii編碼輸出的（英文系統的預設編碼是ascii），而上面程式碼中的字串是Unicode編碼的，所以輸出時產生了錯誤。

將最後一句改為：print s.encode('gb2312')

則能正確輸出「中文」這兩個字。

若最後一句改為：print s.encode('utf8')

則輸出：xe4xb8xadxe6x96x87，這是控制台資訊輸出視窗依照ascii編碼輸出utf8編碼的字串的結果。

unicode(str,'gb2312')與str.decode('gb2312')是一樣的，都是將gb2312編碼的str轉為unicode編碼 

使用str.__class__可以查看str的編碼形式

編碼 說了半天，上碼：

 

#coding=utf-8 

#!/usr/bin/python 

🎜 🎜🎜s= .encode('gb2312') 🎜🎜else: 🎜🎜print s.decode('utf-8').encode('gb2312')🎜🎜🎜🎜