Python中的字符编码问题

　　初学Python，本身就在一些语句处有些迷惑，如 a = u'你好'，不知加上这个Unicode参数有何作用。一直到做爬虫抓取新闻时，在cmd的输出上总是出现错误。经过检索相关知识后，对一些编码问题做个小总结，其中参杂个人猜测，难免会有错误，以后再慢慢修改了。

　　1.一定要声明#coding=XXX吗？

　　　　首先.py文件中，编码默认是ASCII的，一旦py文件中出现了中文类似编码，IDE就会提示

　　　　

　　　　也就是提示文中出现了非ASCII，建议在文件开始制定编码，当然我们常用的是#coding:utf8 （貌似用那个带好多花花的，或者utf-8写法都无所谓）

　　2.Unicode编码是做什么的？

　　　　产生历史什么的就不提了，在python中有两种字符串类型，unicode和str ，简单来说Unicode是python内部表示字符串的方法，同时很多终端也是可以识别这个，而str的编码格式就是文件其实#coding:指定的。写个例子

：这个直接在windows下执行的话显示：。

　　3.如何进行编码转换

　　　　想要解决2中的问题，很明显，需要将s1按照utf-8解码成为原始模式(unicode)模式OK，如s3 = s1.decode('utf8') 然后print s3 即可。可以这么总结：在读取一个内容时，或者说从网上抓取内容时，Python会将其保存在str中，如果说想要转换成其他的类型，需要先进性相应的decode，然后再encode改变格式。举个例子：

#coding=utf8
s1 = '哈哈'
s2 = u'哈哈'
uni_s1 = s1.decode('utf8')
assert(uni_s1 == s2) #如果不相等抛出异常
str_s2 = s2.encode('utf8')
assert(str_s2 == s1)
raw_input("")

这个直接运行显示无错。也比较好理解了。

　　最近在抓取一个网页上的内容时，在cmd中显示出来总是乱码，现在发现了问题，原来是utf8的格式，现在在内容显示时候加上.decode('utf8').encode('gbk')便能正常显示中文了。或者说，在read网页时候，直接解码为unicode也可！