本文實例講述了python實現unicode轉中文及轉換默認編碼的方法。分享給大家供大家參考，具體如下：

一、在爬蟲抓取網頁信息時常需要將類似"/u4eba/u751f/u82e6/u77ed/uff0cpy/u662f/u5cb8"轉換為中文，實際上這是unicode的中文編碼。可用以下方法轉換：

1、

>>> s = u'/u4eba/u751f/u82e6/u77ed/uff0cpy/u662f/u5cb8'>>> print s人生苦短，py是岸

2、

>>> s = r'/u4eba/u751f/u82e6/u77ed/uff0cpy/u662f/u5cb8'>>> s = s.decode('unicode_escape')>>> print s人生苦短，py是岸

二、另外，在python2的字符編碼問題時常會遇到“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)”的編碼錯誤。

而用以下方法通常可以解決：

import sysreload(sys)sys.setdefaultencoding('utf-8')

此方法是將Python2的默認編碼ASCII改為 utf-8。但此方法不是一勞永逸的，可能會使一些代碼的行為變得怪異。

關于sys.setdefaultencoding('utf-8')的補充：

sys.setdefaultencoding('utf-8') 會導致的兩個大問題

簡單來說這么做將會使得一些代碼行為變得怪異，而這怪異還不好修復，以一個不可見的 bug 存在著。下面我們舉兩個例子。

1. 編碼錯誤

import chardetdef print_string(string):  try:    print(u"%s" % string)  except UnicodeError:    print u"%s" % unicode(byte_string, encoding=chardet.detect(string)['encoding'])print_string(u"þ".encode("latin-1"))import sysreload(sys)sys.setdefaultencoding('utf-8')print(key_in_dict('þ'))

輸出：

$~ þ$~ þ

在上面的代碼中，默認的 ascii 編碼無法解碼，þ latin-1 編碼 hex 表示是 c3 be ，顯然是超出了只有128個字符的 ascii 碼集的，引發 UnicodeError 異常，進入異常處理。異常處理則會根據編碼探測，用最可能的編碼來解碼，會比較靠譜地輸出 þ 。

而一旦我們將 defaultencoding 設置為 utf-8，因為 utf-8 的字符范圍是完全覆蓋 latin-1，因此，會直接使用 utf-8 進行解碼。c3 be 在 utf-8 中，是 þ。于是我們打印出了完全不同的字符。

可能你們會說我們不會寫這樣的代碼。如果我們寫了也會做修正。但如果是第三方庫這么寫了呢？項目依賴的第三方庫就這么 bug 了。如果你不依賴第三方庫，那么下面這個 bug，還是逃不過。

2. dictionray 行為異常

假設我們要從一個 dictionary 里查找一個 key 是否存在，通常來說，有兩種可行方法。

#-*- coding: utf-8 -*-d = {1:2, '1':'2', '你好': 'hello'}def key_in_dict(key)  if key in d:    return True  return Falsedef key_found_in_dict(key):  for _key in d:    if _key == key:      return True  return False