python 编码问题记录

1，AttributeError: 'str' object has no attribute 'decode'，：

decode              encode

bytes ------> str(unicode)------>bytes

decode的目标要死bytes!

2，UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb7 in position 0: invalid start byte

常看到这种：\xb7\xfb\xe5\xab

>>> a='符瀚'

>>> a.encode('gb2312')

b'\xb7\xfb\xe5\xab'

>>> a.encode('utf-8')

b'\xe7\xac\xa6\xe7\x80\x9a'

因而可知utf-8和gb2312来编译中文的时候都是相似"\x"开头。

这个错误就是使用编码解码不对，能够尝试用gb2312来解码。

3."\u65e0\u6cd5\u901a\u8fc7\u626b\u7801\u627e\u5230“

SyntaxError: EOL while scanning string literal引号错误中文的……

这种是unicode格式，win下不知道为啥不正常了，正常转为为 b = a.encode('utf-8').decode('utf-8')就能够了

发现一个检查编码的包：

hardet实例
>>> import urllib
>>> rawdata = urllib.urlopen('http://www.google.cn/').read()
>>> import chardet
>>> chardet.detect(rawdata)
{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}
>>>chardet能够直接用detect函数来检测所给字符的编码。函数返回值为字典，有2个元数，一个是检测的可信度，另一个就是检测到的编码。 

>>> import winsound

>>> s='\u674e\u6587\u660a'

>>> s

'\\u674e\\u6587\\u660a'

>>> s.decode('unicode-escape')

u'\u674e\u6587\u660a'

>>> print s.decode('unicode-escape')

李文昊

>>>