Python字符串的encode与decode研究心得 乱码问题解决方法

如下摘自：http://www.jb51.net/article/17560.htm

为何Python使用过程当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？

为何会报错“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，所以，在作编码转换时，一般须要以unicode做为中间编码，即先将其余编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另外一种编码。 

decode的做用是将其余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的做用是将unicode编码转换成其余编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。 

所以，转码的时候必定要先搞明白，字符串str是什么编码，而后decode成unicode，而后再encode成其余编码

代码中字符串的默认编码与代码文件自己的编码一致。 

如：s='中文'

若是是在utf8的文件中，该字符串就是utf8编码，若是是在gb2312的文件中，则其编码为gb2312。这种状况下，要进行编码转换，都须要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其余编码。一般，在没有指定特定的编码方式时，都是使用的系统默认编码建立的代码文件。 

若是字符串是这样定义：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，而与代码文件自己的编码无关。所以，对于这种状况作编码转换，只须要直接使用encode方法将其转换成指定编码便可。

若是一个字符串已是unicode了，再进行解码则将出错，所以一般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 

 如何得到系统的默认编码？ 

#!/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，字符串的输出老是出现乱码，甚至错误，实际上是因为IDE的结果输出控制台自身不能显示字符串的编码，而不是程序自己的问题。 

如在UliPad中运行以下代码：

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)。这是由于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，因此输出时产生了错误。

将最后一句改成：print s.encode('gb2312')

则能正确输出“中文”两个字。

若最后一句改成：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')是同样的，都是将gb2312编码的str转为unicode编码 

使用str.__class__能够查看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')