Python编码小记

　　当用Python读取文件时,文件的编码方式与读取文件的方式似乎很有意思.

　　一小段Python代码如下:

　　

#coding:utf-8
　　if __name__ == '__main__':
　　　　str=open('content.txt','r').readline()
　　　　#str.decode('gbk').encode('utf-8')注意这行隐掉了
　　　　str.decode('utf-8').encode('gbk')
　　　　print str

 

content.txt内容如下:

　　啦啦啦啦,德玛西亚!!!1245abcd

运行会报错:

Traceback (most recent call last):
File "C:\Python27\551059.py", line 5, in <module>
str.decode('utf-8').encode('gbk')
File "C:\Python27\lib\encodings\utf_8.py", line 16, in decode
return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xc0 in position 0: invalid s
tart byte
>>>

 

现在去掉# 并隐掉下一行,如下:

#coding:utf-8
　　if __name__ == '__main__':
　　　　str=open('content.txt','r').readline()
　　　　str.decode('gbk').encode('utf-8')注意这行隐掉了
　　　　#str.decode('utf-8').encode('gbk')
　　　　print str

 

运行结果:

啦啦啦啦,德玛西亚!!!1245abcd
>>>

现在好好来分析一下,encode和decode吧!网上大婶们的解释如下:

字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

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

 

查看记事本的编码格式:默认为ANSI,补充一下:不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码就代表 GB2312 编码!于是乎,我们对txt文件应先将gbk转换为Unicode,使Python可以识别txt中的内容,然后再将Unicode转换为utf-8就可以正确显示了.

　　当然若是保存txt文件时选择以utf-8编码方式保存(UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。),那么第二段代码就会报错了!