python字符串的encode与decode研究心得——解决乱码问题

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 can't 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-8
import sys
print 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 can't 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

---

原理说了半天，最后来个包治百病的吧：）

#!/usr/bin/env python #coding=utf-8 s="中文" if isinstance(s, unicode): #s=u"中文" print s.encode('gb2312') else: #s="中文" print s.decode('utf-8').encode('gb2312')

 

 ord和chr和unichr的使用
 P：你需要将一个字符从它的字符表现形式转化到它的ASCII码或者Unicode码形式，或者反过来。
 S：
 内置函数ord（）和char（）常用于将字符与它的ASCII码之间进行转换：
 >>>print ord('a')
 97
 >>>print char(97)
 a
 内置函数ord()也能接受一个长度为1的unicode字符串，返回它的Unicode码，最大到65536.反方向的转化使用内置函数unichar():
 >>>print ord(u'\u2020')
 8224
 >>>print repr(unichar(8224))
 u'\u2020'
 D:
 注意str()与char()的区别。同样传入一个小int型参数，char()是返回它对应的ASCII码；而str()是将此小数字变成字符串形式：
 >>>print repr(char(97))
 'a'
 >>>print repr(str(97) )
 '97'
 将一个字符串转换成它对应的ASCII值，使用map和ord如下：
 >>>print map(ord, 'ciao')
 [99,105,97,111]
 反过来，如下实现：
     >>>print ''.join(map(char, range(97,100)))
     abc     
 http://hi.baidu.com/moldao/blog/item/9aabbe9452513e047bf48082.html