PYTHON UTF-8 亂碼 PYTHON編碼問題總結

亂碼原因：
因為你的文件聲明為utf-8，並且也應該是用utf-8的編碼保存的源文件。但是windows的本地默認編碼是cp936，也就是gbk編碼，所以在控制台

直接打印utf-8的字符串當然是亂碼了。 

解決方法：
在控制台打印的地方用一個轉碼就ok了，打印的時候這么寫：
print myname.decode('UTF-8').encode('GBK') 

比較通用的方法應該是：
import sys
type = sys.getfilesystemencoding()
print myname.decode('UTF-8').encode(type)

 

 

 

最近利用python抓取一些網上的數據，遇到了編碼的問題。非常頭痛，總結一下用到的解決方案。

•     linux中vim下查看文件編碼的命令 set fileencoding
•     python中一個強力的編碼檢測包 chardet ，使用方法非常簡單。linux下利用pip install chardet實現簡單安裝

    

1 2 3 4

import   chardet f   =   open  (  'file'  ,  'r'  ) fencoding  =  chardet.detect(f.read()) print   fencoding

　　fencoding輸出格式 {'confidence': 0.96630842899499614, 'encoding': 'GB2312'} ，只能判斷是否為某種編碼的概率。比較准確的結果了。輸入參數為str類型。

•       了解python中str的編碼后可以利用decode和encode來實現編碼的轉換。

      一般流程是str利用decode方法根據str的編碼將其解碼為unicode字符串類型，然后利用encode根據特定的編碼將unicode字符串類型轉換為特定的編碼。python中str和unicode屬於兩種不同的類型，如下。

     

•  一般情況下window默認編碼gbk，linux默認編碼utf8
•  python編程中 系統編碼，python編碼，文件編碼 的概念。

     系統編碼：默認寫源碼的編輯器的編碼方式。它代表源碼文件內的所有內容都是根據詞方式編碼成二進制碼流。存入到磁盤中的。linux下通過locale命令查看。

     python編碼：指python內設置的解碼方式。如果不設定的話，python默認的是ascii解碼方式。如果python源代碼文件中不出現中文的話，這個地方怎么設定應該不會問題。

     設定方法：在源碼文件開頭（一定是第一行）：#-*-coding:UTF-8-*-，源碼文件的設置解碼方式是UTF-8 或者

1 2 3

import   sys reload  (sys) sys.setdefaultencoding(  'UTF-8'  )

     文件編碼：文本的編碼方式，linux下vim利用set fileencoding查看。

    

•     一般情況下輸出亂碼的原因就是 沒有按照系統解碼的方式進行編碼。

    比如print s, s類型為str，linux系統下系統默認編碼為utf8編碼，s在輸出前就應該編碼為utf8。如果s為gbk編碼就應該這樣輸出。print s.decode('gbk').encode('utf8')才能輸出中文。

    window下面情況相同，window默認編碼為gbk編碼，所以s輸出前必須編碼為gbk。

•     python處理中一般處理unicode類型。這樣輸出前直接編碼即可。