在Python中使用中文

在Python中使用中文

这个问题曾在我初学Python的时候令我头疼不已，尤为是目前咱们由于各类包的缘由还只能使用2.x的版本。在3.x中字符编码已经统一用Unicode了。

Python 默认支持的是ASCII字符，包含了英文字母大小写以及标点符号，用一枚字节表示。中文则使用两枚字节表示。

 

没兴趣的同窗能够绕过这段…

有人可能要问了，我擦，为神马之前说一个汉字的精度越高字节越多么？为神马是两枚字节？

这是两个不一样的概念。存储里讲的是一个汉字占两个字节。 而你说的点阵那个是打印码。

 

平时说1个汉字占2个字节，是指汉字编码，就象每一个字符都有一个ASCII码同样。1个ASCII码占1个字节，而1个汉字编码占2个字节。

简单地解释下，咱们屏幕上看到的汉字实际上是一个16*16的矩阵，它所须要的位数共是16*16＝256个位，每一个字节为8位，所以，每一个汉字都须要用256/8=32个字节来表示。

即每两个字节表明一行的16个点，共须要16行，显示汉字时，只需一次性读取32个字节，并将每两个字节为一行打印出来，便可造成一个汉字。

这也就是传说中的点阵字体。

 

---我是正文的分割线---

So当中文编码和ASCII混用的话，就会出现错误咯。

目前中文编码有GB2312，BIG5，GBK。

建议使用统一字符集Unicode，能够处理全部的语言文字。

 

若是在.py文件中使用中文，请使用：

#-*- coding:utf-8 –*-

 

请注意在使用IDE的时候，project的编码格式必定要设置为utf-8，不然输出的还是乱码，由于你写的脚本没用UTF-8保存。

先别急着去练习，我们来看看下面这个脚本：

 

#-*- coding:utf-8 –*-

# chinese.py

chinese='''
在Python中使用中文，必定要
注意字符编码问题
'''
print chinese

 

在命令行运行的结果：

 

这是咋回事呢？不是写了编码了么？还乱码啊，有木有？有木有？有木有？

 

这是由于win的，命令行用的是cp936编码，而上面脚本用的是utf-8编码，所以致使乱码。

解决方法是，使用decode和encode函数对字符从新解码和编码。

print chinese.decode('utf-8').encode('cp936')

OK,熟悉的文字出来了。

 

2011/8/8更新，如下内容转载自：

http://ppjava.iteye.com/blog/210143

 

 

 

常见的编码转换分为如下几种状况：

• unicode->其它编码
  
  例如：a为unicode编码 要转为gb2312。a.encode('gb2312')
• 其它编码->unicode
  
  例如：a为gb2312编码，要转为unicode. unicode(a, 'gb2312')或a.decode('gb2312')
• 编码1 -> 编码2
  
  能够先转为unicode再转为编码2
  
  如gb2312转big5
  unicode(a, 'gb2312').encode('big5')
• 判断字符串的编码
  
  isinstance(s, str) 用来判断是否为通常字符串
  isinstance(s, unicode) 用来判断是否为unicode
• 若是一个字符串已是unicode了，再执行unicode转换有时会出错(并不都出错)
  
  能够写一个通用的转成unicode函数：
  def u(s, encoding):
      if isinstance(s, unicode):
          return s
      else:
          return unicode(s, encoding)

 另一篇有价值的文章可查看这一篇：传送门