python 編碼方式總結

python 編碼方式總結（python內部使用unicode編碼）：

    >>> t='北京'

>>> t

'\xe5\x8c\x97\xe4\xba\xac'

   1）urllib.quote(t) 將t轉換為16進位編碼

      '%E5%8C%97%E4%BA%AC'

  urllib.unquote('%E5%8C%97%E4%BA%AC') 將16進位編碼轉換為內部編碼

      '\xe5\x8c\x97\xe4\xba\xac'

   2）decode的作用是將其他編碼的字串轉換成unicode編碼

>>> s= t.decode('utf-8')

>>> s

u'\u5317\u4eac'

>>> w=t.encode('utf-8')

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 0: ordinal not in range(128)

>>> w=s.encode('utf-8')

>>> w

'\xe5\x8c\x97\xe4\xba\xac'

>>> q=s.encode('gb2312')

>>> q

'\xb1\xb1\xbe\xa9'

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。 

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：