布同 Python中文問題解決方案（總結了多位前人經驗，初學者必看）

因為Python是內建文檔，可以通過help函數來查詢每一個系統函數的用法解釋說明。一般來說，關鍵的使用方法和注意點在這個系統的文檔中都說的很清楚。我試圖在網上找過系統文檔的中文版的函數功能解釋，但是都沒有找到，所以我決定將就使用英文版的系統內建的函數解釋來學習。

　　如果你想進行Tkinter和wxPython編程，想要知道一般的widget的使用方法和屬性介紹，英文又不是太好的話，我推薦你，你可以去看看《Python與Tkinter編程》這本書，裡面392頁到538頁的附錄B和附錄C選擇了常用的函數和近乎所有的屬性進行介紹，精彩不容錯過。

我上面提到的這個工具很快做好了。可以把沒有查詢過的函數進行查詢，並儲存關鍵字key和查詢結果info，便於下次直接從列表list中翻出來看；要是發現沒有查過，則手動添加到列表list——就是這樣一個簡單的小工具。一切看上去都很順利。但是問題也來了：英文的info開啟後，解釋裡面有的單詞不知道含義，查完單詞之後想寫在info裡面，儲存之後可以下次直接從硬碟開啟看。但是在英文info中輸入中文，儲存過程中就出現瞭解碼不了的問題，也就是解碼到中文部分就彈出下面這個錯誤來：

UnicodeEncodeError: 'ascii' codec can't encode character u'\u6211' in position 61: ordinal not in range(128)

　　其中的61這個位置是彈性的，就是info中加入了中文的那個位置。這個錯誤基本一直都存在，也就是當我想要把修改過後的info寫入檔案的時候： 複製代碼 代碼如下:fp = open('tt.txt','w')
fp.write(info.encode("UTF-8")) # 此處錯誤
fp.close()

這三行本身看上去沒有錯誤。但是就是在中間這行代碼處出現了錯誤。難道是encode的方式不對？我有嘗試了很多種編碼，如ANSI、UTF-8、SHIFT_JIS、GB2312、GBK等編碼，發現都不行。於是我就糊塗了。

現在我已經知道為什麼錯誤了。問題就在於修改之後的info這個字串變數。info中的資料是我從系統中通過help函數查到的字串（也就是原始的純英文的info）加上我手動輸入的中文得到的一個綜合的字串。在我從系統中查詢系統文檔時，我對原始info進行了如下儲存： 複製代碼 代碼如下:fp = open('tt.txt','w')
fp.write(info)
fp.close()

注意，錯就錯在直接將原始info直接寫入到檔案中。這樣寫之後的編碼方式大家知道是什麼嗎？你開啟tt.txt，查看編碼方式將會知道，其編碼方式是ANSI格式。於是錯誤就是這樣產生的：我查詢關鍵字key，將這個ANSI格式的字串info讀到控制項中顯示，然後我有手動的添加了UTF-8格式的中文字元，於是通連起來形成的字串info，就是一個混亂而具有多種編碼方式的字串info，系統怎麼write都無法只使用一種編碼方式將這個混合字串info再次寫到tt.txt中去。

　　所以，結論就是：當你在記憶體中操作時，你可以隨意的不管編碼方式是什麼，系統會自動的按照具體情況進行判斷。但是你如果要用到中文字元，並且還要通過檔案的方式去暫時儲存資料或者字串的話，請你一定要在第一次寫檔案的時候用utf-8的格式寫進去，也就是如下的方式： 複製代碼 代碼如下:fp = open('tt.txt','w')
fp.write(info.encode("UTF-8"))
fp.close()

這將會保證你下次讀出來之後不用轉換編碼方式就可以直接列印和顯示，即使是作為控制項文本也沒有問題。一定要注意這一點。

　　問題找到了，下面進行一些其他的討論。

有的人說，只要使用了# -*- coding：utf-8 -*-不就行了嗎？其實不然。

　　通過我的測試（我使用IDLE(Python2.5.4 GUI）編譯器。【1】無論我開頭用不用# -*- coding：utf-8 -*-，還是軟體中是不是設定了使用預設的utf-8編碼方式，中文在控制項和檔案之間的使用都是沒有問題的。【2】info='中文'; 這樣的操作都是可以的。讀的時候使用一般的讀法就可以了。原因我想是因為編譯器升級，解決了中文顯示和使用的問題，早期中文語言不能夠使用的情況現在已經不存在了。 複製代碼 代碼如下:#coding=utf-8
try:
JAP=open("jap.txt","r")
CHN=open("chn.txt","r")
UTF=open("utf.txt","w")

jap_text=JAP.readline()
chn_text=CHN.readline()
#先decode成UTF-16,再encode成UTF-8
jap_text_utf8=jap_text.decode("SHIFT_JIS").encode("UTF-8")
#不轉成utf-8也可以
chn_text_utf8=chn_text.decode("GB2312").encode("UTF-8")
#編碼方式大小寫都行utf-8也一樣
UTF.write(jap_text_utf8)
UTF.write(chn_text_utf8)
UTF.close()
except IOError,e:
print "open file error",e

這是我從http://www.jb51.net/article/26542.htm中《學習python處理python編碼》文章中摘錄的代碼。這裡做一下解釋，上面的jap_text_utf8和chn_text_utf8都要保證是機器預設的編碼方式，或者utf-8編碼方式，最重要的就是要保持一致。通過統一的編碼為utf-8後，就可以寫入一個檔案中，再次讀出使用都沒有問題。讀的時候使用下面的普通方式即可： 複製代碼 代碼如下:filen = open('tt.txt')
info = filen.read()
print info

另外。有人使用了下面這種方式來編碼和轉換： 複製代碼 代碼如下:import sys
reload(sys)
sys.setdefaultencoding('utf8')

def ConvertCN(s):
return s.encode('gb18030')

def PrintFile(filename):
f = file(filename, 'r')
for f_line in f.readlines():
print ConvertCN(f_line)
f.close()

if __name__ == "__main__":
PrintFile('1.txt')
print ConvertCN("\n****** 按任意鍵退出! ******")
print sys.stdin.readline()

通過我的測試，這種方式是不可行的。第二行如果去掉，第三行的setdefaultencoding函數將會無效；如果保留第二行，第三行和以後的代碼都得不到執行（雖然不報錯）。這種方式是否可行請大家試試看。　　　　　　
　　 另外，《python 中文亂碼 問題深入分析》http://www.jb51.net/article/26543.htm一文中講到了很多文本如何編碼的問題，令我大開眼界。文本編碼的原理：原來就是在文本開頭處添加適當的注釋符號來表示內部的編碼方式，於是解譯器就會以某種對應的規則去按照某種步長的位元組或者靈活的方式去翻譯位元組，得到原文，翻譯的步長和規則完全是開頭的說明處對應的。所以，如果你本文是單個位元組的編碼方式，那麼你就可以在你的編碼最前頭加上一個合適的規則，告訴別人如何翻譯你的被編碼文本即可。其中BOM_UTF_8等文本末尾的知識也是很有趣的，類似的還有BOM_UTF_16等等，不同的編碼方式文末的符號不同，大家可以注意一下。