Python中的字元編碼問題

標籤：style   blog   http   color   strong   檔案   2014   問題   

　　初學Python，本身就在一些語句處有些迷惑，如 a = u‘你好‘，不知加上這個Unicode參數有何作用。一直到做爬蟲抓取新聞時，在cmd的輸出上總是出現錯誤。經過檢索相關知識後，對一些編碼問題做個小總結，其中參雜個人猜測，難免會有錯誤，以後再慢慢修改了。

　　1.一定要聲明#coding=XXX嗎？

　　　　首先.py檔案中，編碼預設是ASCII的，一旦py檔案中出現了中文類似編碼，IDE就會提示

　　　　

　　　　也就是提示文中出現了非ASCII，建議在檔案開始制定編碼，當然我們常用的是#coding:utf8 （貌似用那個帶好多花花的，或者utf-8寫法都無所謂）

　　2.Unicode編碼是做什麼的？

　　　　產生曆史什麼的就不提了，在python中有兩種字串類型，unicode和str ，簡單來說Unicode是python內部表示字串的方法，同時很多終端也是可以識別這個，而str的編碼格式就是檔案其實#coding:指定的。寫個例子

：這個直接在windows下執行的話顯示：。

　　3.如何進行編碼轉換

　　　　想要解決2中的問題，很明顯，需要將s1按照utf-8解碼成為原始模式(unicode)模式OK，如s3 = s1.decode(‘utf8‘) 然後print s3 即可。可以這麼總結：在讀取一個內容時，或者說從網上抓取內容時，Python會將其儲存在str中，如果說想要轉換成其他的類型，需要先進性相應的decode，然後再encode改變格式。舉個例子：

#coding=utf8s1 = ‘哈哈‘s2 = u‘哈哈‘uni_s1 = s1.decode(‘utf8‘)assert(uni_s1 == s2) #如果不相等拋出異常str_s2 = s2.encode(‘utf8‘)assert(str_s2 == s1)raw_input("")

這個直接運行顯示無錯。也比較好理解了。

　　最近在抓取一個網頁上的內容時，在cmd中顯示出來總是亂碼，現在發現了問題，原來是utf8的格式，現在在內容顯示時候加上.decode(‘utf8‘).encode(‘gbk‘)便能正常顯示中文了。或者說，在read網頁時候，直接解碼為unicode也可！