解决Python2.x编码之殇-转载，做个备份
发布时间：2022-09-26 14:38:01 所属栏目：Linux 来源：
导读： 解决Python2.x编码之殇
Python编码问题一直困扰了我许久，之前有过一些总结，但并不系统，比较凌乱。当然python2.x编码问题本身，便是剪不断理还乱。本篇将系统介绍python2.x编程中会遇到的一些编码问题
Python编码问题一直困扰了我许久，之前有过一些总结，但并不系统，比较凌乱。当然python2.x编码问题本身，便是剪不断理还乱。本篇将系统介绍python2.x编程中会遇到的一些编码问题
|
解决Python2.x编码之殇 Python编码问题一直困扰了我许久，之前有过一些总结，但并不系统，比较凌乱。当然python2.x编码问题本身，便是剪不断理还乱。本篇将系统介绍python2.x编程中会遇到的一些编码问题，并给出解决方案。基于对编码问题的摸索了解，我也尝试写了一个编码转换模块 Transcode ，应该能解决绝大部分新手的疑难杂症。当然，python大神可以绕道而行，至于使用3.x的朋友，以后将会成文介绍。 python编程中会经常遇到操作系统编码、文件编码、控制台输入输出编码、网页编码、源代码编码、python编码，本文将会逐一介绍。首先我们来看看一些常见的编码情况： print sys.getdefaultencoding() #系统默认编码 print sys.getfilesystemencoding() #文件系统编码 print locale.getdefaultlocale() #系统当前编码 print sys.stdin.encoding #终端输入编码 print sys.stdout.encoding #终端输出编码 将以上这段代码在windows与linux系统下分别运行，查看输出结果。 windows终端结果: ascii mbcs ('zh_CN', 'cp936') cp936 cp936 Linux终端结果： ascii UTF-8 ('zh_CN', 'UTF-8') UTF-8 UTF-8 操作系统编码 操作系统默认编码可以通过sys.getdefaultencoding()函数获取，可以看到windows与linux下默认都为ascii编码，而我们知道ascii编码不支持中文。那么操作系统编码将在python程序的何处会被用到呢？何时又会引发血案？ 触发异常点 经过测试，我发现当需要将unicode格式的字符串存入到文件时，python内部会默认将其先转换为Str格式的系统编码，然后再执行存入步骤。而在这过程中，容易引发ascii异常。 实例证明： #! -*- coding:utf-8 -*- a=u"中文" f=open("test.txt","w") f.write(a) 报错异常信息：UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-1…… 说明：因为ascii不支持中文，而变量a为unicode格式的中文字符串，因此无法进行编码而引发异常。 解决方案 设置系统编码为utf-8或者gbk。 import sys reload(sys) sys.setdefaultencoding('gbk') 说明：在windows下将其设置为gbk，在linux在设置为utf-8. 终端编码 windows下终端指的是控制台，在控制台上输入输出有着其本身的编码格式，如windows控制台输入输出编码都为cp936。原谅我是第一次看到此编码，于是上网查了会，发现其实它就是常见的GBK编码；而linux终端的输入输出编码都为utf-8。如果我们编写的程序，不会再终端输入输出任何内容，则可以忽略此编码，如若不然终端编码将会非常重要。 乱码点 我们在终端执行python脚本时，经常会遇到输出中文乱码，而这往往是因为输出的字符串本身编码与控制台编码不一致。 实例证明： #! -*- coding:utf-8 -*- a="中文" #定义一个变量，默认为Str，utf-8编码 print a print type(a) windows控制台输出结果： 浣犲ソ linux终端输出结果： 中文 linux url编码解码_linux编码_linux 默认编码 造成这种差异的原因在于windows控制台为gbk编码，而变量a本身为utf-8编码。 解决方案 #! -*- coding:utf-8 -*- a='你好' b=a.decode("utf-8").encode("gbk") print b 将变量a从utf-8编码转换为gbk编码。 python编码 python2.x从外部获取的内容都是string编码，其内部分为String编码与Unicode编码，而String编码又分为UTF-8，GBK，GB2312等等。因此为了避免不同编码造成的报错，python内部最好都转化为unicode编码，在输出时再转化为str编码 。可以用encode()/decode()函数，将string与unicode编码互换。 触发异常点 基本在于python内部变量编码与控制台编码，或者其他编码相结合时触发。 实例证明： #! -*- coding:utf-8 -*- a="中文" #定义一个变量，默认为str，utf-8编码 print a print type(a) 运行结果： 浣犲ソ 说明：windows下控制台输入输出都是gbk编码格式，而代码中定义的变量a为str，utf-8格式，所以会出现乱码。如果想创建一个unicode编码字符串的变量，则可以a=u”123”，在双引号前面加上一个u，表示a为unicode编码。 解决方案 #! -*- coding:utf-8 -*- a='你好' print a.decode("utf-8").encode("gbk") 说明：首先我们定义的变量a是str格式，编码为utf-8的字符串，我们要将之转化为str格式，GBK编码的字符串。在python内部无法直接转化，需要借助decod()与encode()函数。decode()函数先将str格式的字符串a转化为unicode，再将unicode编码为str格式GBK。而在Unix系统下，不存在这个问题，因为都是utf-8编码，不会存在乱码。print语句默认会将unicode编码的字符串，encode为相应系统的str编码并输出（windows下为gbk,unix下为utf-8）,因此不用担心print unicode编码字符串会报错。 源代码编码 源代码编码指的是python程序本身的编码，默认为ascii。 触发异常点 python程序本身要被解释器解析执行，需要先被转化为二进制代码。而在这过程中容易引发异常，原因同样是ascii不支持中文，因此当python程序中出现中文时，哪怕是注释，也会引发ascii异常。 实例证明： print "中文" #中文注释 报错：SyntaxError: Non-ASCII character ‘\xe7’…… 解决方案 #! -*- coding:utf-8 -*- python程序开头加上这句代码，指定python源代码编码格式为utf-8。 文件编码 文件编码指的是，python程序从文件中获取的内容的编码格式。可以用sys.getfilesystemencoding()函数获取，windows下为mbcs，linux下为utf-8。至于mbcs，是一种多字节编码（没搞很明白）。 触发异常点（读取文件内容） 当python程序从文件中获取内容，并输出时，容易触发异常。 实例证明： #! -*- coding:utf-8 -*- f=open("test.txt","r") content=f.read() print type(content) print content 运行结果： 你好 可以看到windows下，从文件中读取的编码格式为Str，GBK格式（因为控制台输出没有中文乱码）；而在Unix下为Str，Utf-8格式。从输出内容来说，并没有触发异常，然而当这些内容与python程序自身内容相结合时，容易触发异常。 解决方案 在windows下，最好将文件内容转为unicode，可以使用codecs： f=codecs.open("test.txt", encoding='gbk').read() 将格式为gbk的文件内容转化为unicode格式，当然也可以直接使用open(“”,”r”).read().decode(“gbk”) linux 默认编码_linux编码_linux url编码解码 触发异常点（写入文件内容） 参考操作系统编码触发异常点，即将中文unicode字符写入文件时，容易触发异常。 解决方案 参考操作系统编码解决方案，或者手动将unicode编码转换为str编码。 实例证明： #! -*- coding:utf-8 -*- a=u"中文" #a为unicode格式编码 f=open("test.txt","w") f.write(a.encode("gbk")) 当然如果变量a本身就是Str则不会报错，只是utf-8编码的内容写入windows文件中，显示会乱码。 网页编码 网页编码，通常在写爬虫的时候经常遇到，再结合系统编码，python编码，文件编码，往往会搞得一团乱。在程序中我们应该分别处理这些编码，在python内部全部转化为unicode。那么网页编码又有哪些格式呢？ 常见格式：utf-8，gbk，gb2312 触发异常点 还是在于从网页中获取的源码编码与终端编码，甚至python内部编码不一致的情况。 实例证明： #!coding=utf-8 import urllib2 body=urllib2.urlopen('http://thief.one').read() print type(body) print body 运行结果： body中文显示乱码 说明：这个网站的编码是utf-8，而且python从网页上爬取的内容都为Str格式，在windows控制台下输出会乱码。 解决方案 依照之前做法，先将其转化为unicode。而相应的正则也可以为unicode编码，如：res=r’’+u”新成员”。可以通过chardet模块判断网页编码类型，返回的是一个带概率的字典。 编码判断判断字符串编码 isinstance(obj, (str, unicode)) 返回True或者False 判断网页编码 import chardet import urllib2 body=urllib2.urlopen("http://thief.one").read() chardet.detect(body) 判断编码格式，会有百分比，一般用来判断网页编码比较好。 判断系统编码 print sys.getdefaultencoding() #系统默认编码 print sys.getfilesystemencoding() #文件系统编码 print locale.getdefaultlocale() #系统当前编码 print sys.stdin.encoding #终端输入编码 print sys.stdout.encoding #终端输出编码 python2.x编码建议其他疑难杂症 实例一： a="\\u8fdd\\u6cd5\\u8fdd\\u89c4" print a 变量a的内容本身为unicode编码，怎么正常显示输入？ 解决方案： a="\\u8fdd\\u6cd5\\u8fdd\\u89c4" # unicode转化为中文 b=a.decode('unicode-escape') print b 如果阅读完本章，增加了您对python编码问题的认识linux编码，那我会感到欣慰，如有python编码上的问题可以在下方留言。 如果阅读完本章，您仍然不知如何解决python乱码问题，没关系，请继续移步阅读Transcode解决python编码问题 为了能够让您重视，我不得不再次重申：解决python2.x编码问题的关键，在于要明白无论从哪里来的内容，在python内部流通时，都应该先转换为unicode。（python3.x在这方面做了改进，并取得了很好的效果） 技术的探索，就好像编织故事一般，其乐趣在于偶尔能够讲述给别人听，并获得一些赞同！ （编辑：财气旺网 - 财气网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐