python2的编码问题小结

对于python2，经常会遇到编码问题，在此小记一下。

Python2默认的编码解码方式是ascii码，这点要牢记。

windows系统默认是gbk编码的，可以使用chcp查看：936，那就是GBK简体中文

PS G:\wayne-personal\UserInfo> chcp                 #活动代码页: 936

在实际编码过程中，我们会用到很多中文，面对python2默认的ASCII编码，为了不使包含中文的程序报错，也是为了符合国际通用惯例，一般将我们的文件编码设置为utf-8格式。这就是我们一般看到的在文件首行声明#-*- coding:utf-8 -*- 的原因。

 

另外，如果在python中进行编码和解码的时候，不指定编码方式，那么python就会使用defaultencoding。 而python2.x的defaultencoding是ascii，因此会经常出现'ascii' codec can't encode characters in position 0-4: ordinal not in range(128) 编码报错，这时我们可以添加下列代码指定python的encoding方式：

import sys

reload(sys)

sys.setdefaultencoding('utf8')

再有一点：在python2中，有两种不同的字符串数据类型，一种是 “str”对象，存储着字节，如果在字符串前使用一个’u’的前缀，表示的是这个字符的Unicode码点，即unicode对象，这是两种不同的对象，虽然这两种都可以叫string，但是有时是不一样的东西，这点需要尤其注意，如果不注意这点会出现常见的UnicodeEncodeError 和 UnicodeDecodeError 异常。

解决办法是encode与decode：unicode对象-encode→str对象，str对象-decode→unicode对象。其中str指的是字节流，而str.decode是将字节流str按给定的解码方式解码，并转换成utf-8形式，u.encode是将unicode类按给定的编码方式转换成字节流str。注意：调用encode方法的是unicode对象，生成的是字节流；调用decode方法的是str对象（字节流），生成的是unicode对象。若str对象调用encode会默认先按系统默认编码方式decode成unicode对象再encode，忽视了中间默认的decode往往导致报错。