Python字串的encode與decode

首先要搞清楚，字串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

decode的作用是將其他編碼的字串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字串轉換成unicode編碼。

encode的作用是將unicode編碼轉換成其他編碼的字串，如str2.encode('gb2312')，表示將unicode編碼的字串轉換成gb2312編碼。

在某些IDE中，字串的輸出總是出現亂碼，甚至錯誤，其實是由於IDE的結果輸出控制台自身不能顯示字串的編碼，而不是程式本身的問題。

如在UliPad中運行如下代碼：

s=u"中文"

print s

會提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。這是因為UliPad在英文WindowsXP

上的控制台資訊輸出視窗是按照ascii編碼輸出的（英文系統的預設編碼是ascii），而上面代碼中的字串是Unicode編碼的，所以輸出時產生了錯誤。

將最後一句改為：print s.encode('gb2312')

則能正確輸出“中文”兩個字。

若最後一句改為：print s.encode('utf8')

則輸出：/xe4/xb8/xad/xe6/x96/x87，這是控制台資訊輸出視窗按照ascii編碼輸出utf8編碼的字串的結果。

 

Updated at: 2008.11.05

另外，代碼中字串的預設編碼與代碼檔案本身的編碼一致，如：

s='中文'

如
果是在utf8的檔案中，該字串就是utf8編碼，如果是在gb2312的檔案中，則其編碼為gb2312。
這種情況下，要進行編碼轉換，都需要先用decode方法將其轉換成unicode編碼，再使用encode方法將其轉換成其他編碼。通常，在沒有指定特
定的編碼方式時，都是使用的系統預設編碼建立的代碼檔案，在這篇文章

中可以看到如何獲得系統的預設編碼。

如果字串是這樣定義：

s=u'中文'

則該字串的編碼就被指定為unicode了，即python的內部編碼，而與代碼檔案本身的編碼無關。因此，對於這種情況做編碼轉換，只需要直接使用encode方法將其轉換成指定編碼即可。

如果一個字串已經是unicode了，再進行解碼則將出錯，因此通常要對其編碼方式是否為unicode進行判斷：

isinstance(s, unicode)  #用來判斷是否為unicode