python 在eclipse中的中文问题
http://robin.sh/html/733_python-eclipse-encoding.html
http://wenku.baidu.com/view/9786332eed630b1c59eeb575.html
http://blog.sina.com.cn/s/blog_7fd6977b0100tpfd.html
编码环境改成utf-8后,文件路径“F:\kuaipan\zhid_\datper\daa file”要改成“F:kuaipan/zhid_/datper/daa file”
%D6%AA%B5%C0%B9%B1%CF%D7%D5%DF0799 这种%加十六进制是"url编码",需要通过urllib2模块的unquote来解码成原来的编码形式(可能是gbk,utf-8,GB2312)一下是引用:http://piyu.blog.163.com/blog/static/19420310320101113102455340/
然而同样的中文转出来的URL编码也会有不同,比如百度和电玩巴士就不一样~~
百度用的是GBK格式,一个中文字符转为%xx%xx,共两组
而电玩巴士用的utf-8格式,一个中文字符转为%xx%xx%xx,共三组
需要将中文转成url编码,只需要使用python提供的urllib库就可以。
>>>import sys,urllib
>>>s = "空之境界"
>>>print s
空之境界
>>> urllib.quote(s)
'%BF%D5%D6%AE%BE%B3%BD%E7' ---->请注意,原作者这里输出的是utf-8格式,而我却是gbk
所以,为了保证按照指定的格式输出,调用sys库下面提供的函数
>>>s_utf=s.decode(sys.stdin.encoding).encode("utf-8") # 若想要gbk格式则把这行里的"utf-8"换成"gbk"
>>> print s_utf
绌轰箣澧冪晫 # 嗯……竟然是乱码,不过这个不用管它~
>>> urllib.quote(s_utf)
'%E7%A9%BA%E4%B9%8B%E5%A2%83%E7%95%8C' # 数一数,正好十二组,也就是四个汉字
至于与quote方法相对应的,则是unquote方法,作用是还原被quote函数转码过的字串。
>>>urllib.unquote(urllib.quote(s)) ---->出来的结果是s字符串本身
唯一需要在意的是这句:
s.decode(sys.stdin.encoding).encode("utf-8")
将一个字符串s先使用系统标准编码方式进行解码,再将其结果重新编码为指定的格式。在我自己的系统上,sys.stdin.encoding就等于"gbk"
python的chardet模块可以判断字符编码。
程序举例:
import urllib2,sys,chardet
print chardet.detect('%D6%AA%B5%C0%B9%B1%CF%D7%D5%DF0799')
u=urllib2.unquote('%D6%AA%B5%C0%B9%B1%CF%D7%D5%DF0799').decode('gb2312')
print chardet.detect(u)
print u
输出:{'confidence': 1.0, 'encoding': 'ascii'}
{'confidence': 1.0, 'encoding': 'ascii'}
知道贡献者0799