前言
對于很多接觸Python的人而言，字符的處理和語言整體的溫順可靠相比顯得格外桀驁不馴難以駕馭。
文章針對Python 2.7，主要因為3對的編碼已經有了很大的改善并且實際原理一樣，更改一下操作命令即可。
了解完本文，你可以輕松解決文字處理，特殊平臺（Windows?）下的編碼，爬蟲編碼等問題。
閱讀建議
本文分為如下幾個部分：
1.原理
2.具體操作
3.建議的使用習慣
4.疑難問題解答
如果想要了解我給出的使用習慣，可以直接跳到建議的使用習慣。
如果只想要解決相關問題可以直接跳到疑難問題解答。
希望本文能夠幫到你。
原理
為了理解方便，這里不談理論只做類比，具體想要進一步了解各種編碼的理論的百度一下好了。
首先說一下我們為什么會碰到各式各樣的編碼問題：
1.因為我們沒有統一編碼
2.因為我們沒有用對命令（傳對數據）
再說一下編碼是什么，Python的編碼看似復雜，實際上可以看做只有兩類編碼：Unicode，二進制
1.Unicode 相信都很熟悉：，就是/u0000這樣的
2.二進制編碼也很簡單，就是/x00/x00這樣的，平常看到的utf-8,cp936都是二進制編碼
3.二進制編碼是具象的，10001100原樣就可以存儲，而Unicode是抽象的，不能這樣存
#coding=utf8# Unicode編碼演示print('Unicode:')print(repr(u'Unicode編碼'))`# 二進制編碼演示print(u'二進制編碼:')print(repr('Unicode編碼'))`# 只是看個樣子，代碼不必去深究再說怎么做，就是只有同種編碼之間才可以操作
舉個簡單的類比
就把一串數據比為烤鴨，我們作為人和鴨子不同種看待烤鴨的態度完全不一樣。
我們看到的是晚上的配菜，鴨子看到的是自己二舅。
那么我在逛烤鴨店的時候用錯編碼就會報錯。
因為我在烤鴨店看到了滿世界的二舅。
這里說的同種就是我們熟悉的各種編碼方式：utf-8,unicode,ucs-bom
這也就是編碼問題的核心，非常重要。
最后說一下Python的環境
1.本身代碼是用Ascii解碼的，文件里有Ascii無法解碼的內容的話要告知Python怎么解碼
2.內部大量命令都是默認接受Unicode
# 告知的命令就是下面這一行，刪掉就會報錯#coding=utf8print(u'測試編碼')
具體操作
拿到各種編碼的內容自然是不用說，那么如果我們想要自己構造怎么做呢，看下面：
#coding=utf8# 字符串前面加u會默認構造出Unicode的字符串unicodeString = u'Unicode字符串'# 字符串前面什么都不加會構造出默認編碼（首行限定了現在的utf8）的字符串utf8String = 'Utf-8字符串'# 當然，沒有首行，默認的編碼是Ascii
那么他們之間怎么轉換呢，同樣很簡單：
# 接上一段程序# Unicode轉化為二進制編碼中的一種：utf8unicodeString.encode('utf8')# 二進制編碼根據自己的編碼種類轉化為Unicodeutf8String.decode('utf8')# 如果二進制編碼中混進了奇怪的東西可以根據需求用特殊的decode策略print(repr('u8字/x00符串'.decode('utf8', 'replace')))那么怎么樣會出現問題呢：
# 接上一段程序# 如果我們把他們轉化成同樣的編碼方式就可以操作（例如相加）print(repr(unicodeString + utf8String.decode('utf8')))print(repr(unicodeString.encode('utf8') + utf8String))# 但如果不轉化，當然就會出現滿世界的烤鴨二舅啦unicodeString + utf8String# 所以另一方面也發現，編碼轉換是需要我們告訴程序怎么做的# 所有`decode`操作都會生成Unicode編碼，這是為了方便我之前說的大量接受Unicode的內部命令所以我們需要確定程序使用的編碼，這是我們需要告訴程序的東西
1.一方面在操作字符串的時候確定是同種編碼
2.另一方面在使用非自己寫的命令時，一般使用Unicode，或者使用接收二進制編碼的命令
#coding=utf8# 這里拿寫入文件舉例# 一般使用Unicodewith open('Unicode.txt', 'w') as f: f.write(u'Unicode測試')# 或者使用接收二進制編碼的命令with open('Utf8.txt', 'wb') as f: f.write('Utf8測試')# 你可以反過來做個測試，自然會報錯# 二進制的命令方便了在不知道怎么解碼的情況下也能進行操作（寫入文件）我建議的使用習慣
相信到這里我已經把我對于編碼的理解講完了。
我們為什么會碰到各式各樣的編碼問題：
1.因為我們沒有統一編碼
2.因為我們沒有用對命令（傳對數據）
所以這里再重申一下八字真言：確定編碼，同類交互
1.碰到問題，問一下自己，我現在是哪種編碼
2.同一種編碼才能交互，那我應該是哪種編碼
這里給出我的使用習慣：
1.確定一種內部編碼
2.內部編碼的選擇優先級如下：程序必須使用的編碼、第三方包使用的編碼、你喜歡的編碼、Unicode
3.在輸出時再更改到特定的編碼
記得在開始整個程序之前確定內部的編碼，否則編碼一團糟會產生很多不必要的bug。
不要迷信內部Unicode，例如Evernote開發就應該根據第三方包使用的Utf8確定內部編碼。
疑難問題解答
編碼識別
說了要確定編碼，那么拿到一串二進制要怎么確定編碼呢？
最簡單的方法是chardet：（需要安裝）
python -m pip install chardet
使用非常簡單：
#coding=utf8from chardet import detectprint(detect('這是一串utf8的測試字符'))# 結果：`{'confidence': 0.99, 'encoding': 'utf-8'}`另外例如抓取網站，那么頭文件中很有可能有提示如何解碼，記得不要忘記了。
編碼轉換
很可能因為字符串中參雜了奇怪的東西，導致即使編碼種類正確，依舊無法解碼。
我知道我之前講過了，但可能有人直接跳疑難問題解答嘛。
這里可以使用decode的第二個參數：
#coding=utf8# 字符串中混進了/x00rubbishUtf8String = 'Utf-8字/x00符串'print(repr(rubbishUtf8String.decode('utf8', 'replace')))print(repr(rubbishUtf8String.decode('utf8', 'ignore')))特殊平臺下編碼
很多人都說Windows是個坑，即使在Python 3下面也一樣。
因為中文文件名出來都是亂碼。
這里使用一個取巧的方法：平臺編碼再特殊，起碼命令行讀取和創建一個文件夾不會出亂碼吧。
import sys, osfor folder in os.walk('.').next()[1]: print(folder.decode(sys.stdin.encoding))同樣的輸入輸出也可以這樣做優化：
import sysdef sys_print(msg): print(msg.encode(sys.stdin.encoding))def sys_input(msg): return raw_input(msg.encode(sys.stdin.encoding)).decode(sys.stdin.encoding)
文件寫入
如果抓下來一個內容不知道怎么解碼，但還是想要寫入文件怎么辦
寫入文件的時候制定用二進制命令即可：
#coding=utf8import urllibwith open('Utf8.txt', 'wb') as f: f.write('Utf8測試')# 比如抓了個網頁，不知道編碼也可以寫入文件進行一系列操作content = urllib.urlopen('http://www.baidu.com').read()with open('baidu.txt', 'wb') as f: f.write(content)裸Unicode字符
Unicode存成六個Ascii字符怎么辦？其實也可以decode
#coding=utf8# 這是普通的Unicodes = u'測'for i in s: print(i)print(repr(s))# 這是裸Unicode，實際存成了六個Asciis = repr(s)[2:-1]for i in s: print(i)print(repr(s))# 轉化其實也很簡單s = s.decode('unicode-escape')for i in s: print(i)print(repr(s))總結
以上就是詳細介紹Python字符編碼的全部內容，希望讀完這篇文章能對大家能有幫助，有什么不足之處萬望指正，希望大家多多支持武林網。
新聞熱點
疑難解答
圖片精選
