Python编码问题的解决方案总结
这里给大家总结一下几种会导致编码问题的案例,并逐一解释......
案例一:中文输出是乱码?
- # Python 版本:2.7.6
- >>> string1 = "我爱鱼C工作室"
- >>> string1
- '\xe6\x88\x91\xe7\x88\xb1\xe9\xb1\xbcC\xe5\xb7\xa5\xe4\xbd\x9c\xe5\xae\xa4'
- >>> print string1
- 我爱鱼C工作室
- >>> string2 = "I love FishC"
- >>> string2
- 'I love FishC'
问:为何无法直接显示中文的字符串?
分析:
因为 Python2.x 的版本默认的编码是 ASCII,ASCII 默认只用一个字节来存放数据。由于中国汉字博大精深,一个字节是不足以存放所有的汉字的。因此,string1 只能打印出中文字符串在内存中的数据,这并不是错误。
解决方案:
使用 Python3,因为 Python3 默认使用 UTF-8 编码。
延伸知识:
1. 可以用以下方法获得当前的默认编码:
- >>> import sys
- >>> sys.getdefaultencoding()
- 'ascii'
2. 字符集与字符集编码详解
案例二:普通字符串和 Unicode 字符串进行拼接抛出 UnicodeDecodeError 异常
- >>> string = "我爱" + u"FishC"
- Traceback (most recent call last):
- File "<stdin>", line 1, in <module>
- UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)
分析:
使用 + 号进行字符串拼接,左边是普通字符串,右边是 Unicode 字符串。当两种类型的字符串拼接的时候,Python 会自动将左边的中文字符串转换为 Unicode 字符串,再进行拼接操作。但由于 "我爱" 的 ASCII 编码为 '\xe6\x88\x91\xe7\x88\xb1',其中十六进制 '\xe6' 对应的值是 230。当编码值在 0 ~ 127 的时候,Unicode 和 ASCII 是兼容的,转换不会有什么问题。但当值大于 128 的时候,ASCII 编码便不能直接转换为 Unicode 了。因此,抛出 UnicodeDecodeError。
解决方案:
1. 使用 Python3
2. 指定转换为 Unicode 的解码方式:
- >>> string = "我爱".decode('utf-8') + u"FishC"
- >>> print string
- 我爱FishC
3. 将 Unicode 字符串部分进行编码:
- >>> string = "我爱" + u"FishC".encode("utf-8")
- >>> print string
- 我爱FishC
延伸知识:
Unicode 编码系统的发明是为了统一各国文字的编码,因此把它称为万国码。Unicode 为每种语言设置了唯一的二进制编码表示方式,也就是说无论哪个国家的语言,都可以在 Unicode 上找到对应的代码。因此,当不同的编码系统进行相互转换的时候,可以利用 Unicode 做一个“中介”。
其他编码系统到 Unicode 的转换过程我们称为解码(decode),将 Unicode 转换为其他编码系统的过程称之为编码(encode)。例如 A 编码需要转换为 B 编码,过程如下:
A编码 -> decode(A) -> Unicode -> encode(B) -> B 编码
案例三:文件编码与 Python 编码不同
test.txt 内容如下,并保存为 GB2312 编码:
- 我爱鱼C工作室,真的!
test.py 内容如下:
- f1 = open("test.txt")
- print(f1.read())
- f1.close
代码执行后会报错:
- >>>
- Traceback (most recent call last):
- File "/Users/FishC/Documents/Python/test.py", line 4, in <module>
- print(f1.read())
- File "/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/encodings/ascii.py", line 26, in decode
- return codecs.ascii_decode(input, self.errors)[0]
- UnicodeDecodeError: 'ascii' codec can't decode byte 0xce in position 0: ordinal not in range(128)
分析:
如果前边的内容都可以理解了,那么解决这样的编码问题就不再难得住你啦~~~
使用 open 打开文件的编码格式取决于系统(可以通过 locale.getpreferredencoding() 获得),认真看报错信息,这里系统使用 ASCII 对文件内容进行解码,遇到错误......因为我们知道文件的存放格式是 GB2312,因此我们只需要在打开文件的时候设置 encoding="gb2312" 即可解决问题:
- f1 = open("test.txt", encoding="gb2312")
- print(f1.read())
- f1.close