python中 截取中文 字符串亂碼

python對於string的截取是 str[start,end]

但是中文字符卻顯示亂碼，讓人莫名奇妙的。這個坑琢磨了半天，解決辦法是改為unicode格式。

unicode格式與str格式的轉換關系參考

 

亂碼問題引申 python 中string和unicode

 

一 string類型的字符串拼接

先查看英文，可以看到他們截取是正確的。

 

 

inter='hello world'

repr(inter)

list(inter)

inter[2:4]

 

 

當存在中文字符時，卻不能正確解析了，

 

zw='靜夜思abc d'

repr(zw)

list(zw)

zw[2:5]#截取字符串

zw[1:4]

 

 

查看一下控制台的編碼格式，可以看到是utf-8編碼。當然，str還可以用其他編碼。

import charade

det=charade.detect(zw)

print det

{'confidence': 0.87625, 'encoding': 'utf-8'}

頁面是用utf-8編碼的。

 

解決方法，使用unicode進行編碼。下面看看他們之間的區別

二 unicode類型的字符串拼接

當為英文時，區別不大

 

 

en=u'hello'

repr(en)

list(en)

en[2:3]

 

中文夾雜英文時，能查看出，list是按字拆分的

 

 

zw=u'靜夜思ab d'

repr(zw)

list(zw)

zw[2:3]

 

由此可以看出轉換為unicode進行截取正確，但在跟其他字符進行拼接時，需要注意字符串類型問題，str+unicode會報錯~