黑马程序员Python教程：5分钟战胜Python字符编码教案.docVIP

1. 本文不谈复杂的理论，就经验教你字符处理八字真言：确定编码，同类交互。 文章针对Python 2.7，主要因为3对的编码已经有了很大的改善并且实际原理一样，更改一下操作命令即可。 了解完本文，你可以轻松解决文字处理，特殊平台（Windows?）下的编码，爬虫编码等问题。 阅读建议 本文分为如下几个部分： 原理 具体操作 建议的使用习惯 疑难问题解答 如果想要了解我给出的使用习惯，可以直接跳到建议的使用习惯。 如果只想要解决相关问题可以直接跳到疑难问题解答。 希望本文能够帮到你。 理 为了理解方便，这里不谈理论只做类比，具体想要进一步了解各种编码的理论的一下好了。 首先说一下我们为什么会碰到各式各样的编码问题： 因为我们没有统一编码 因为我们没有用对命令（传对数据） 再说一下编码是什么，Python的编码看似复杂，实际上可以看做只有两类编码：Unicode，二进制 Unicode 相信都很熟悉：，就是\u0000这样的 二进制编码也很简单，就是\x00\x00这样的，平常看到的utf-8,cp936都是二进制编码 二进制编码是具象的样就可以存储，而Unicode是抽象的，不能这样存 #coding=utf8 ? # Unicode编码演示 print(Unicode:) print(repr(Unicode编码))` ? # 二进制编码演示 print(u二进制编码:) print(repr(Unicode编码))` ? # 是看个样子，代码不必去深究 再说怎么做，就是只有同种编码之间才可以操作 举个简单的类比 就把一串数据比为烤鸭，我们作为人和鸭子不同种看待烤鸭的态度完全不一样。 我们看到的是晚上的配菜，鸭子看到的是自己二舅。 我用逛烤鸭店的时候就会。 因为我在烤鸭店看到了二舅。 这里说的同种就是我们熟悉的各种编码方式：utf-8,unicode,ucs-bom 这也就是编码问题的核心，非常重要。 最后说一下Python的环境 本身代码是用Ascii解码的，文件里有Ascii无法解码的内容的话要告知Python怎么解码 内部大量命令都是默认接受Unicode # 告知的命令就是下面这一行，删掉就会报错 #coding=utf8 print(u测试编码) 具体操作 拿到各种编码的内容自然是不用说，那么如果我们想要自己构造怎么做呢，看下面： #coding=utf8 ? # 字符串前面加u会默认构造出Unicode的字符串 unicodeString = uUnicode字符串 ? # 字符串前面什么都不加会构造出默认编码（首行限定了现在的utf8）的字符串 utf8String = Utf-8字符串 ? # 当然，没有首行，默认的编码是Ascii 那么他们之间怎么转换呢，同样很简单： # 接上一段程序 ? # Unicode转化为二进制编码中的一种：utf8 unicodeString.encode(utf8) ? # 二进制编码根据自己的编码种类转化为Unicode utf8String.decode(utf8) ? # 如果二进制编码中混进了奇怪的东西可以根据需求用特殊的decode策略 print(repr(u8字\x00符串.decode(utf8, replace))) 那么怎么样会出现问题呢： # 接上一段程序? # 如果我们把他们转化成同样的编码方式就可以操作（例如相加） print(repr(unicodeString + utf8String.decode(utf8))) print(repr(unicodeString.encode(utf8) + utf8String)) ? # 但如果不转化，当然就会出现满世界的烤鸭二舅啦 unicodeString + utf8String ? # 所以另一方面也发现，编码转换是需要我们告诉程序怎么做的 # 所有`decode`操作都会生成Unicode编码，这是为了方便我之前说的大量接受Unicode的内部命令 所以我们需要确定程序使用的编码，这是我们需要告诉程序的东西 一方面在操作字符串的时候确定是同种编码 另一方面在使用非自己写的命令时，一般使用Unicode，或者使用接收二进制编码的命令 #coding=utf8 # 这里拿写入文件举例 ? # 一般使用Unicode with open(Unicode.txt, w) as f: f.write(uUnicode测试) ? # 或者使用接收二进制编码的命令 with open(Utf8.txt, wb) as f: f.write(Utf8测试) ? # 你可以反过来做个测试，自然会报错 # 二进制的命令方便了在不知道怎么解码的情况下也能进行操作（写入文件） 建议的使用习惯 相信到这里我