Python 编码

waltzlhy

Python 编码
　　

　　ASCII、Unicode、UTF-8 以及 gbk
　　在具体说明 Python 编码之前，先来理清 ASCII、Unicode、UTF-8、gbk 究竟是什么？ 这边仅简单介绍下，具体请百度。
　　ASCII：是现今最通用的单字节编码系统。ASCII（仅1~127） 仅可代表英文、数字及一些符号等，如，A 的 ASCII 码为65（十进制）。
　　Unicode：为了解决传统的字符编码方案的局限而产生，为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。犹如其本身的英文含义，Unicode是一种所有符号的编码。Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。
　　UTF-8：是一种针对Unicode的可变长度字符编码，它是Unicode实现的方式之一，是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间，参考如下：

　　gbk：GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。GBK包含全部中文字符，是国家编码。



　　Python3  支持 Unicode
　　从 Python 3.0 开始所有的字符串都支持 Unicode，默认保存为UTF-8格式；故无须特殊处理，即可正常 print 中文

　　但 Python3 无 sys.setdefaultencoding()这个函数，故原 Python2 的扩展包要适应这种情况来改写。
　　

　　Python2 处理 Unicode
　　Python2 默认源代码文件是 ASCII 编码，故仅仅使用英文、数字的情况下一切正常，但是若使用了中文等，会报错，如下：

　　为了解决此问题，需要保存为 UTF-8 格式，通常会在 .py 文件头上加上  # -*- coding: utf-8 -*-  ，这样，python就会依照utf-8的编码形式解读其中的字符，加上后运行，如下：

　　这边，直接 print 中文字符串显示为乱码，这是由于python编码与控制台编码的不一致造成的。Windows下控制台中的编码使用的是gbk，而在代码中使用的utf-8，python按照utf-8编码打印到gbk编码的控制台下自然就会不一致而不能打印出正确的汉字。
　　对此，Python2用来存储文本数据的类型为Unicode 对象，它可以用于存储和维护 Unicode 数据，与现有的字符串对象有良好的集成，必要时提供自动转换。在 Python 中创建 Unicode 字符串和创建普通的字符串一样简单，只需在字符串引号前加 u 即可，如上例中的  u"中文" 。这样处理之后，print 出的中文就不会乱码了。
　　在Python 3.x版本中，把'xxx'和u'xxx'统一成Unicode编码，即写不写前缀u都是一样的
　　

　　sys.setdefaultencoding()
　　Python2，可通过 sys.setdefaultencoding('utf8') 来设置默认encoding方式，注意，一定要增加 reload(sys)，原因参考下方引用。



1 #!/usr/bin/env python   
2 #encoding: utf-8  
3 import sys       #引用sys模块进来，并不是进行sys的第一次加载  
4 reload(sys)      #重新加载sys  
5 sys.setdefaultencoding('utf8')  #调用setdefaultencoding函数

　　那么为什么要重新加载，而直接引用过来则不能调用该函数呢？因为setdefaultencoding函数在被系统调用后被删除了，所以通过 import引用进来时其实已经没有了，所以必须reload一次sys模块，这样setdefaultencoding才会为可用，才能在代码里修改解释器当前的字符编码。
　　在python安装目录的Lib文件夹下，有一个叫site.py的文件，在里面可以找到main() --> setencoding()-->sys.setdefaultencoding(encoding),因为这个site.py每次启动 python解释器时会自动加载，所以main函数每次都会被执行，setdefaultencoding函数一出来就已经被删除了。