Python字符串的encode与decode研究.docx

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 codec cant encode characters in position 0-1: ordinal not in range(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？?#!/usr/bin/env python#coding=utf-8import sysprint 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print s?会提示：UnicodeEncodeError: ascii codec cant encode characters in position 0-1: ordinal not in range(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：print s.encode(gb2312)则能正确输出“中文”两个字。若最后一句改为：print s.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