加载中…彻底解决python字符乱码问题
(2018-06-29 14:22:31)
标签：
python字符乱码 |
分类： 随意而发 |
1、python中一切皆对象，字符对象分为两种，一种是unicode对象,一种是str对象。
2、python中字符是unicode为基础的，所以平时我们的字符串，也就是str在python内存中其实是以unicode编码存储的。
3、所以我们平时print一个字符串的时候，看到的是中文，但是如果你把这个字符串放在list里(就是外面加上[
])，再print，就能看到原生的编码了。因为前面说了，在python内存存储中都是以unicode存储的，所以放在List里面，打印就能看见原生的存储模式。
4、str是字符串对象，但是可以有很多不同的编码，utf-8,gbk,ascii,都是编码。
5、不同编码的str对象，互相不能直接转换，也就是说utf-8编码的不能直接转换成gbk的。
6、但是不同编码的str对象都可以解码成unicode对象，因为一切数据在Python都是以unicode存储的，str.decode(编码类型)
7、unicode对象也可以编码成任意一种编码的str对象。
unicode.encode('编码类型')
8、所以不同编码的str对象可以先解码（decode）成unicode
再编码（encode）成其他编码的str对象。
9、utf-8包含国际上所有字符的编码,GBK主要包含全部中文字符，所以说我们大家爱用utf-8，因为全。
10、所以说utf-8中有一些字符，gbk没有，所以有一些Utf-8解码后再编码成gbk后会报错，因为gbk没有那种字符。
11、有一些str中可能混着有gbk,utf-8等好几种编码，所以有时候decode的时候会报错，因为你按照gbk解码，可能里面又包含了一种不识别的utf-8码得到。
12、以上两条，有没有只编码或者解码对的啊，错误的字符就跳过？
13、有，decode('utf-8','ignore'),encode('utf-8','ignore')
加一个'ignore'参数 就会忽略错误。
14、在python中可以使用chardet.detect(str)来检测一个str是什么编码的：
15、chardet.detect(str)有一个缺点就是，他是根据概率来的，比如如果字符串是'aaaaaa你',前面的单字符就会判断为其他编码，因为单字母本身就是其他编码都支持，所以： #ISO-8859-2
西欧字符集
16、print
str 或者 unicode 都会显示出正常的文字，但是python中直接显示 str是'\xe3\xbd'这种字符，unicode是
u'\u4f60' 这种的
17、大家可以在自己本机上多试试。
喜欢
0
赠金笔