python 编码处理

一、python有两种字符串类型:str和unicode
1、str：常用的字符集如：gb2312、gb18030/gbk、utf-8、ascii，这些都是字符的二进制（字节）编码形式
2、unicode：Python 认为 16 位的 unicode 才是字符的唯一内码
3、encode：从unicode转换成二进制编码，即从unicode转换成str
4、decode：从二进制编码转换成unicode
5、在进行同时包含str与unicode的运算时，Python一律都把str转换成unicode再运算，当然，运算结果也都是unicode。
6、建议在

python代码

            
              # -*- coding: utf-8 -*-  

#第一行表明python代码由utf-8编码

#-----------------------------------------1----------------------------------------
s='我是谁'  #这是个str的字符串，是utf-8字符串
u=u'我是谁' #这是个unicode字符串

s.decode('utf-8') #从str转成unicode，即用utf-8解码字符串s
u.encode('utf-8') #从unicode转成str，即将unicode码按utf-8编码成字符串

s.decode('ascii') #错误，用ascii解码utf-8字符串
s.decode('gbk')   #不出错，但出现乱码

u.encode('ascii') #错误，中文无法用ascii字符集编码
u.encode('gbk')   #不出错，但会出现乱码

#-----------------------------------------2------------------------------------------
#注意一：在进行同时包含str与unicode的运算时，Python一律都把str转换成unicode再运算，当然，运算结果也都是unicode。

"中文：%s" % s  # 正确，所有的字符串都是 str, 不需要 decode  
"中文：%s" % u  # 失败，相当于运行："中文：%s".decode('ascii') % u ，为什么是ascii，因为sys.getdefaultencoding()默认是ascii

import sys
reload(sys)                      # reload 才能调用 setdefaultencoding 方法  
sys.setdefaultencoding('utf-8')  # 设置 'utf-8'，这个是全局的，对当前程序运行的所有python代码都起作用

#若 linux的$LANG为zh_CN.GBK，则print s输出到终端时会出现乱码，但print u输出到终端不会乱码，会将u按$LANG的字符集编码
            
          

 

参考：https://in355hz.iteye.com/blog/1860787