1、demo.py 文件和編碼聲明都為 GBK

這種方法比較笨，就是把 demo.py 文件改為 GBK 存儲(chǔ)，而且編碼聲明也是GBK，個(gè)人不推薦。

# encoding:gbk
s = "中文"
print s
print repr(s)

2、中文用 unicode 表示

只要在中文前面加上個(gè)小u標(biāo)記，后面的中文就用 unicode 存儲(chǔ)了。

# encoding:utf-8
s = u"中文"
print s
print repr(s)

cmd 下是可以打印 unicode 字符的，如下：

3、把中文強(qiáng)制轉(zhuǎn)換為GBK或者unicode編碼

強(qiáng)制轉(zhuǎn)換為unicode編碼，在 Python 中編碼是可以互相轉(zhuǎn)換的，比如從utf-8轉(zhuǎn)換為gbk，不同編碼之間不能直接轉(zhuǎn)換，需要通過unicode字符集中間過渡下，從上面基礎(chǔ)知識(shí)可知unicode是一種字符集，不屬于編碼，而utf-8是具體實(shí)現(xiàn)unicode思想的一種編碼。utf-8轉(zhuǎn)換為unicode是一種解碼過程，通過decode可從utf-8解碼成unicode。

# encoding:utf-8
s = "中文"
u = s.decode('utf-8')
print u
print type(u)
print repr(u)

強(qiáng)制轉(zhuǎn)換為gbk編碼，上一步已經(jīng)從utf-8轉(zhuǎn)換為unicode了，從unicode是編碼的過程，通過encode實(shí)現(xiàn)。

# encoding:utf-8
s = "中文"
u = s.decode('utf-8')
g = u.encode('gbk')
print g
print type(g)
print repr(g)

總結(jié)

windows cmd 窗口下不支持utf-8，想要顯示中文必須轉(zhuǎn)換為gbk或者unicode，而 Python idle 中這三種編碼都支持。中文亂碼的出現(xiàn)都是由于編碼不一致導(dǎo)致的，存儲(chǔ)的是用utf-8，打印的時(shí)候用gbk就會(huì)亂碼了，所有要保證不亂碼盡量保持統(tǒng)一，建議全部使用unicode。

decode 解碼

從其它編碼變成unicode叫解碼，解碼用的方法是decode，第一個(gè)參數(shù)為被解碼的字符串原始編碼格式，如果寫錯(cuò)了也會(huì)報(bào)錯(cuò)。比如 s 是utf-8，用gbk去解碼就會(huì)報(bào)錯(cuò)。

# encoding:utf-8
s = "中文"
u = s.decode('gbk')
print u
print repr(u)

小提示

在 Python idle 和 cmd 下直接輸入 s = "中文"會(huì)以 gbk 編碼的，如果在文件中輸入 s = "中文"且文件存儲(chǔ)格式為utf-8，那么 s 是以u(píng)tf-8編碼存儲(chǔ)的，有點(diǎn)不一樣曾經(jīng)踩過坑，及時(shí) Python idle 成功了文件運(yùn)行的時(shí)候也可能失敗。

encode 編碼

不可以直接從utf-8轉(zhuǎn)換為gbk，必須經(jīng)過unicode中間轉(zhuǎn)換，這點(diǎn)很重要，被編碼的原始字符串一定要為unicode，否則會(huì)報(bào)錯(cuò)。

raw_input

raw_input 是獲取用戶輸入值的，獲取到的用戶輸入值和當(dāng)前運(yùn)行環(huán)境編碼有關(guān)，比如 cmd 下默認(rèn)編碼是 gbk，那么輸入的漢字就是以gbk編碼，而不管 demo.py 文件編碼格式和編碼聲明。

# encoding:utf-8
s = raw_input("input something: ")
print s
print type(s)
print repr(s)

GBK 編碼一個(gè)漢字兩個(gè)字節(jié)，UTF-8 一個(gè)漢字通常3個(gè)字節(jié)。

細(xì)心的朋友已經(jīng)注意了，raw_input的提示語我用的是英文，那改成中文看看，果真出現(xiàn)亂碼了。

# encoding:utf-8
s = raw_input("請(qǐng)輸入中文漢字：")
print s
print type(s)
print repr(s)

怎么辦呢？把提示字符串強(qiáng)制為gbk編碼就好，unicode和utf-8都不可以。

# encoding:utf-8
s = raw_input(u"請(qǐng)輸入中文漢字：".encode('gbk'))
print s
print type(s)
print repr(s)

相等陷阱

“中文”這兩個(gè)字符串用不同的編碼存儲(chǔ)是不一樣的，utf-8編碼和gbk編碼存儲(chǔ)的“中文”都不一樣。

總結(jié)

想要不亂碼，記住以下5點(diǎn)法則：

（1）文件存儲(chǔ)為utf-8格式，編碼聲明為utf-8，# encoding:utf-8。

（2）出現(xiàn)漢字的地方前面加 u。

（3）不同編碼之間不能直接轉(zhuǎn)換，要經(jīng)過unicode中間跳轉(zhuǎn)。

（4）cmd 下不支持utf-8編碼。

（5）raw_input提示字符串只能為gbk編碼。

到此這篇關(guān)于python解決中文亂碼問題的方法小結(jié)的文章就介紹到這了,更多相關(guān)python解決中文亂碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論