Python之encode与decode浅析

weiliwei

　　Python之encode与decode浅析
　　
　　在 python 源代码文件中，如果你有用到非ASCII字符，则需要在文件头部进行字符编码的声明，声明如下：

• 　　# code:UTF-8
  

　　因为python 只检查 #、coding 和编码字符串，为了美观等原因可以如下写法：

• 　　#-*-coding:utf-8-*-
  

　　
　　常见编码介绍：

• 　　GB2312编码：适用于汉字处理、汉字通信等系统之间的信息交换。
  
• 　　GBK编码：是汉字编码标准之一，是在 GB2312-80 标准基础上的内码扩展规范，使用了双字节编码。
  
• 　　ASCII编码：是对英语字符和二进制之间的关系做的统一规定。
  
• 　　Unicode编码：这是一种世界上所有字符的编码。当然了它没有规定的存储方式。
  
• 　　UTF-8编码：是 Unicode Transformation Format - 8 bit 的缩写， UTF-8 是 Unicode 的一种实现方式。它是可变长的编码方式，可以使用 1~4 个字节表示一个字符，可根据不同的符号而变化字节长度。
  

• 
  

　　

　　本文在这里主要讨论一个报错问题：报错“UnicodeEncodeError:'ascii' codec can't encode characters in position 0-1: ordinal notin range(128)”？
　　（1）什么是Unicode编码
　　
　　字符串在python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
　　（2）decode与encode的作用
　　decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。
　　encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。
　　因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成unicode，然后再encode成其他编码！
　　注：代码中字符串的默认编码与代码文件本身的编码一致。
　　
　　（3）举例说明
　　第一种情况：s='中文'
　　如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。
　　第二种情况：s=u'中文'
　　则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。
　　
　　注：【1】如果一个字符串已经是unicode了，再进行解码则将出错！
　　【2】用非unicode编码形式的str来encode会报错。
　　
　　（4）扩展
　　
　　#-*-coding:utf-8-*-
　　s='中文'
　　print type(s) #查看s的字符类型
　　print s
　　s.decode('utf-8') #解码utf8，默认的编码方式是unicode
　　s.decode('gbk',"ignore") #解码utf8，忽略其中有异常的编码，仅显示有效的编码
　　s.decode('gbk',"replace") #替换其中异常的编码
　　print type(s)
　　print s
　　s.encode('gb2312') #编码为gb2312
　　print type(s)
　　print s
　　
　　注：
　　另外对于一些包含特殊字符的编码，直接解码可能会报错，可以使用对于的参数来设置。如:
　　s.decode(“utf-8”, “ignore”) 忽略其中有异常的编码，仅显示有效的编码
　　s.decode(“utf-8”, “replace”) 替换其中异常的编码，这个相对来可能一眼就知道那些字符编码出问题了。