Python 編碼問題

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'}