python中文字串編碼處理

1。字串還是位元組串？

我認為，python的字串只能說是位元組串，你甚至可以在裡面存放一張圖片或者一個二進位可執行檔

import types
f=open(‘d://hello.jpg’,'r’)
pic=f.read()
print type(pic)==types.StringType
print pic

如果圖片存在，這段代碼會顯示True和一串亂碼。顯然所謂字串只是一串位元組資料。

2。’ ‘ 和 u’ ‘

python的字串有’ ‘和u’
‘兩種，前者是一個位元組串，後者是經過unicode編碼的。unicode是一種用兩個位元組表示每一個字元的編碼方式，具體不介紹了。可以這樣測試：

>>>str1=’你好’
>>>str1
‘/xc4/xe3/xba/xc3′ 得到一個位元組串，我的機子是xp系統的，預設編碼是cp936，所以這是“你好”的cp936編碼
>>>str2=str1.decode(‘cp936′)
>>>str2
u’/u4f60/u597d’ 轉化為unicode編碼，str2是一個unicode字串

str1和str2都是一個字串，不過編碼的方式不一樣，我們可以看出他們都佔用4個位元組，不過真實長度卻一樣。

>>>len(str1)
4
>>>len(str2)
2

str1隻是一個普通的位元組串，python並不知道他使用的是什麼編碼，所以長度等於它佔用的位元組數。而str2是一個經過unicode編碼的
字串，我們使用字串對象的方法decode告訴系統’/xc4/xe3/xba/xc3′是一個cp936編碼串，然後系統會把它轉化為
unicode編碼串u’/u4f60/u597d’，系統就可以判斷出這是一個含有兩個字元的字串。反過來，我們可以使用encode方法把
unicode字串編碼為一般字元串。

>>>str2.encode(‘gbk’)
‘/xc4/xe3/xba/xc3′

驚喜的是，我們其實很容易就可以得到一個中文unicode字串。我們測試一下：

>>>mycity=u’佛山’
>>>mycity
u’/u4f5d/u5c71′

看到嗎？python已經為我們完成了轉換，mycity已經是unicode字串。