>>a='中'>>>type(a)>>>isinstance(a,basestring)True>>>a=u'中'>>>type(a)>>>isin" />

亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

python中的編碼知識整理匯總

系統(tǒng) 1637 0

問題

在平時(shí)工作中,遇到了這樣的錯誤:

            
UnicodeDecodeError: 'ascii' codec can't decode byte

          

想必大家也都碰到過,很常見 。于是決定對python的編碼做一個整理和學(xué)習(xí)。

基礎(chǔ)知識

在python2.x中,有兩種數(shù)據(jù)類型,unicode和str,這兩個都是basestring的子類

            
>>> a = '中'
>>> type(a)

            
              
>>> isinstance(a,basestring)
True
>>> a = u'中'
>>> type(a)

              
                
>>> isinstance(a,basestring)
True

              
            
          

兩者的區(qū)別,概括來講,str是字節(jié)串,由unicode經(jīng)過編碼(encode)后的字節(jié)組成的(好比與python3.x的byte);unicode是對象,才是真正意義上的字符串,由字符組成

            
>>> a='中文'
>>> len(a)
6
>>> repr(a)
"'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>> b=u'中文'
>>> len(b)
2
>>> repr(b)
"u'\\u4e2d\\u6587'"

          

控制臺和腳本

在linux下的python控制臺執(zhí)行以下命令,所得的結(jié)果和執(zhí)行腳本是不同的

            
>>> a = u'中文'
>>> repr(a)
"u'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>> b = unicode('中文','utf-8')b)
>>> repr(b)
"u'\\u4e2d\\u6587'"

          

可以看到,u'中文'初始化的對象a不是我們所期望的,那究竟是什么原因呢?
將python看成是一根管子,管子里頭處理的中間過程都是使用unicode的。入口處,全部轉(zhuǎn)成unicode;出口處,再轉(zhuǎn)成目標(biāo)編碼(當(dāng)然,有例外,處理邏輯中要用到具體編碼的情況)。
在控制臺執(zhí)行命令a = u'中文',可以將解釋為命令,a = ‘中文'.decode(encode),從而到到unicode對象a。那么這里的encode是什么呢?對于控制臺來說,就是標(biāo)準(zhǔn)輸入,即sys.stdin.encoding

            
>>> sys.stdin.encoding
'ISO-8859-1'

          

我的這邊控制臺默認(rèn)的編碼是ISO-8859-1,故a = u'中文' <=> a = '中文'.decode('ISO-8859-1')
這里的'中文'是控制臺理解的,即使根據(jù)終端編碼方式編碼后的字節(jié)碼,對于utf-8編碼的終端,'中文'='\\xe4\\xb8\\xad\\xe6\\x96\\x87'

            
>>> a='中文'.decode('ISO-8859-1') 
>>> repr(a)
"u'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"

          

那如何修改此編碼值呢,設(shè)置為什么呢?在linux環(huán)境中設(shè)置環(huán)境變量方法如下,具體設(shè)置什么只要與終端編碼方式一直即可

            
export PYTHONIOENCODING=UTF-8

          

總結(jié)

重新回到最初的那個問題,造成問題的原因是沒有搞清楚unicode和str的區(qū)別,將兩者進(jìn)行了混用。

            
>>> a = '中文'
>>> a.encode('gbk')
Traceback (most recent call last):
 File "
            
              ", line 1, in 
              
                
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)

              
            
          

以上的對象a其實(shí)是str,即字節(jié)碼,若終端是utf-8編碼的話,那么a就是用utf-8 encode的字節(jié)碼。a.encode('gbk') 等價(jià)于a.decode(encoding).encode('gbk'),即先將字節(jié)碼解碼為unicode字符,然后再encode為字節(jié)碼。unicode對象作為中轉(zhuǎn)站。那么這里的encoding是什么呢?

            
>>> import sys
>>> sys.getdefaultencoding()
'ascii'

          

默認(rèn)是ascii,這正是錯誤為什么報(bào)無法用ascii解碼的原因

            
>>> reload(sys)

            
              
>>> sys.setdefaultencoding('utf-8')
>>> a = '中文'
>>> repr(a)
"'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>> a.encode('gbk')
'\xd6\xd0\xce\xc4'

            
          

將默認(rèn)編碼改為utf-8,即可。不鼓勵對str使用encode方法,因?yàn)槠渲须[式對str進(jìn)行了解碼。decode只對str,encode只對unicode,一切decode/encode都顯示指定編碼方式。


更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯(lián)系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦?。?!

發(fā)表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 夜夜做夜夜爽 | 国产乱仑 | 欧美日韩一区二区三区自拍 | 国产精品毛片天天看片 | 劲爆欧美色欧美 | 欧美日韩中文字幕在线 | 香蕉伊人久久 | 亚州色拍拍拍 | 欧美伊人久久 | 在线看国产精品 | 久青草视频在线播放 | 久久日本经典片免费看 | 亚洲国产精品悠悠久久琪琪 | 九九热免费视频 | 久久艹精品| 五月天在线网站 | 天天干天天操天天添 | 亚洲视频日韩 | 九七影院97影院理论片 | 日日天日日夜日日摸 | 色中文在线 | 国产日韩欧美一区二区 | 5060网永久免费一级毛片 | 97视频久久 | 中文字幕专区在线亚洲 | 亚洲不卡一区二区三区在线 | 99在线免费 | 老司机精品久久最新免费 | 国产亚洲欧美一区 | 天天摸夜夜添 | 开心激情五月婷婷 | 亚洲人成免费网站 | 天天做天天欢天天爽 | 久久久久久噜噜噜久久久精品 | 欧美国产亚洲一区二区三区 | 91久久青草精品38国产 | 亚洲射图 | 高清中文字幕视频在线播 | 日韩一级精品视频在线观看 | 九九热网 | 天天干天天操天天爱 |