【转载】字符串编码问题
Python字符串的encode与decode研究心得乱码问题解决方法
为什么会报错“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)”？本文就来研究一下这个问题。
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。
因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成unicode，然后再encode成其他编码
代码中字符串的默认编码与代码文件本身的编码一致。
如：s='中文'
如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。
如果字符串是这样定义：s=u'中文'
则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。
如果一个字符串已经是unicode了，再进行解码则将出错，因此通常要对其编码方式是否为unicode进行判断：
isinstance(s, unicode) #用来判断是否为unicode
用非unicode编码形式的str来encode会报错
如何获得系统的默认编码？
#!/usr/bin/env python
#coding=utf-8
import sys
print sys.getdefaultencoding()
该段程序在英文WindowsXP上输出为：ascii
在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。
如在UliPad中运行如下代码：
s=u"中文"
print s
会提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP上的控制台信息输出窗口是按照ascii编码输出的（英文系统的默认编码是ascii），而上面代码中的字符串是Unicode编码的，所以输出时产生了错误。
将最后一句改为：print s.encode('gb2312')
则能正确输出“中文”两个字。
若最后一句改为：print s.encode('utf8')
则输出：\xe4\xb8\xad\xe6\x96\x87，这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。
unicode(str,'gb2312')与str.decode('gb2312')是一样的，都是将gb2312编码的str转为unicode编码
使用str.__class__可以查看str的编码形式
原理说了半天，最后来个包治百病的吧：）
#!/usr/bin/env python
#coding=utf-8
s="中文"
if isinstance(s, unicode):
#s=u"中文"
print s.encode('gb2312')
else:
#s="中文"
print s.decode('utf-8').encode('gb2312')
编码分：
1、操作系统编码 windows 默认为 ASCII 码，Linux 默认为 UTF-8
2、python的系统编码 python 2.x 为 ASCII 码，python 3.x 为UTF-8
查看和设置python系统编码
import sys reload(sys) sys.setdefaultencoding('utf-8') #设置系统编码 sys.getdefaultencoding() #查看系统编码
3、文件编码
#coding:utf-8
4、IDE编码
Python2（包括Python26、Python27等）的字符串通常包含str、unicode两种类型，通常str的字符串编码方式由源码文件的编码方式决定，目前使用的基本都是UTF-8的编码格式，所以要在py文件的头部指定编码格式：
|
1
|
# -*- coding: utf-8 -*- |
在Python程序内部，通常使用的字符串为unicode编码，这样的字符串字符是一种内存编码格式，如果将这些数据存储到文件或是记录日志的时候，就需要将unicode编码的字符串转换为特定字符集的存储编码格式，比如：UTF-8、GBK等等，很多时候Python程序员都会遇到乱码问题，相信以下的一些处理方式和技巧能帮助大家解决乱码问题。
unicode到utf-8转换方法：unicodestr.encode(‘utf-8’) ，示例：
|
1
2
|
>>> u'中文测试'.encode('utf-8')'\xe4\xb8\xad\xe6\x96\x87\xe6\xb5\x8b\xe8\xaf\x95' |
utf-8到unicode转换方法：utf8str.decode(‘utf-8’)，示例：
|
1
2
|
>>> '中文测试'.decode('utf-8')u'\u4e2d\u6587\u6d4b\u8bd5' |
实际上，在将unicode存储到文本的过程中，还有一种存储方式，不需要将unicode转换为实际的文本存储字符集，而是将unicode的内存编码值进行存储，读取文件的时候再反向转换回来，是采用：unicode-escape的转换方式。
unicode到unicode-escape转换方法：unicodestr.encode(‘unicode-escape’)，示例：
|
1
2
|
>>> u'中文测试'.encode('unicode-escape')'\\u4e2d\\u6587\\u6d4b\\u8bd5' |
unicode-escape到unicode的转换方法：unicodeescapestr.decode(‘unicode-escape’)，示例：
|
1
2
|
>>> '\\u4e2d\\u6587\\u6d4b\\u8bd5'.decode('unicode-escape')u'\u4e2d\u6587\u6d4b\u8bd5' |
对于utf-8编码的字符串，在存储的时候，通常是直接存储，而实际上也还有一种存储utf-8编码值的方法，即：string-escape。
utf-8到string-escape的转换方法：utf8str.encode(‘string-escape’)，示例：
|
1
2
3
4
|
>>> '中文测试'.encode('string-escape')'\\xe4\\xb8\\xad\\xe6\\x96\\x87\\xe6\\xb5\\x8b\\xe8\\xaf\\x95'>>> print '\\xe4\\xb8\\xad\\xe6\\x96\\x87\\xe6\\xb5\\x8b\\xe8\\xaf\\x95'\xe4\xb8\xad\xe6\x96\x87\xe6\xb5\x8b\xe8\xaf\x95 |
string-escape到utf-8的转换方法：strescapestr.decode(‘string-escape’)，示例：
|
1
2
3
4
|
>>>’\\xe4\\xb8\\xad\\xe6\\x96\\x87\\xe6\\xb5\\x8b\\xe8\\xaf\\x95'.decode('string-escape')'\xe4\xb8\xad\xe6\x96\x87\xe6\xb5\x8b\xe8\xaf\x95’>>> print '\xe4\xb8\xad\xe6\x96\x87\xe6\xb5\x8b\xe8\xaf\x95'中文测试 |
备注：
unicode同时还支持的编码转换包括：
|
1
2
3
|
idnaraw_unicode_escapeutf_8_sig |
utf-8、gbk等编码字符串还支持得编码转换包括：
|
1
2
3
4
5
6
7
|
base64quopribz2hexunicode_internaluuzlib
|
