在原始碼中使用UTF-8編碼
在代碼前面添加註釋coding:utf-8 或者 # -*- coding: utf-8 -*-,如下:
__author__ = 'WebClerk'# coding:utf-8# -*- coding: utf-8 –*-
處理非ASCII編碼
Python的預設編碼是ascii編碼,所以無法處理其他編碼時需要設定python的預設編碼為所需要的編碼,主要有以下2個方法:
1. 具體代碼處理
import sysreload(sys)sys.setdefaultencoding('gb2312')2. 全域設定
在Python的Lib\site-packages檔案夾下建立一個sitecustomize.py檔案(sitecustomize.py是一個特殊檔案, Python 在啟動時將嘗試載入該檔案,因此所有代碼都將運行該檔案),即可自動化佈建代碼。
import syssys.setdefaultencoding('gb2312')3. 檢查當前編碼
import syssys.getdefaultencoding()
字元編碼判斷
通過chardet可以實現對字串/檔案的編碼檢測。
1. chardet的安裝
通過easy_install工具可以實現chardet的快速安裝,命令如下:easy_install.exe chardet
2. chardet的使用
chardet可以直接用detect函數來檢測所給字元的編碼。函數傳回值為字典,有2個元數,一個是檢測的可信度,另外一個就是檢測到的編碼。
import urllibimport chardetrawdata = urllib.urlopen('http://www.sina.com.cn/').read()print chardet.detect(rawdata)#result: {'confidence': 0.99, 'encoding': 'GB2312'}