Python的字符編碼
字符編碼
我在第一版的《零基礎學python》中，這個標題前面加了“坑爹”兩個字。在后來的實踐中，很多朋友都在網上問我關于編碼的事情。說明這的確是一個“坑”。
首先說明，在python2中，編碼問題的確有點麻煩。但是，python3就不用糾結于此了。但是，正如前面所說的原因，至少本教程還是用python2，所以，必須要搞清楚編碼。當然了，搞清楚，也不是壞事。
字符編碼，在編程中，是一個讓學習者比較郁悶的東西，比如一個str，如果都是英文，好說多了。但恰恰不是如此，中文是我們不得不用的。所以，哪怕是初學者，都要了解并能夠解決字符編碼問題。
>>> name = '老齊' >>> name '\xe8\x80\x81\xe9\xbd\x90'
在你的編程中，你遇到過上面的情形嗎？認識最下面一行打印出來的東西嗎？看人家英文，就好多了
>>> name = "qiwsir" >>> name 'qiwsir'
難道這是中文的錯嗎？看來投胎真的是一個技術活。是的，投胎是技術活，但上面的問題不是中文的錯。
encode和decode
歷史部分說完了，接下怎么講？比較麻煩了。因為不管怎么講，都不是三言兩語說清楚的。姑且從encode()和decode()兩個內置函數起吧。
codecs.encode(obj[, encoding[, errors]]):Encodes obj using the codec registered for encoding. codecs.decode(obj[, encoding[, errors]]):Decodes obj using the codec registered for encoding.
</blockquote>python2默認的編碼是ascii，通過encode可以將對象的編碼轉換為指定編碼格式（稱作“編碼”），而decode是這個過程的逆過程（稱作“解碼”）。
做一個實驗，才能理解：
>>> a = "中" >>> type(a) <type 'str'> >>> a '\xe4\xb8\xad' >>> len(a) 3>>> b = a.decode() >>> b u'\u4e2d' >>> type(b) <type 'unicode'> >>> len(b) 1</pre>
這個實驗不做之前，或許看官還不是很迷茫（因為不知道，知道的越多越迷茫），實驗做完了，自己也迷茫了。別急躁，對編碼問題的理解，要慢慢來，如果一時理解不了，也肯定理解不了，就先注意按照要求做，做著做著就豁然開朗了。
上面試驗中，變量a引用了一個字符串，所謂字符串(str)，嚴格地將是字節串，它是經過編碼后的字節組成的序列。也就是你在上面的實驗中，看到的是“中”這個字在計算機中編碼之后的字節表示。（關于字節，看官可以google一下）。用len(a)來度量它的長度，它是由三個字節組成的。
然后通過decode函數，將字節串轉變為字符串，并且這個字符串是按照unicode編碼的。在unicode編碼中，一個漢字對應一個字符，這時候度量它的長度就是1.
反過來，一個unicode編碼的字符串，也可以轉換為字節串。
>>> c = b.encode('utf-8') >>> c '\xe4\xb8\xad' >>> type(c) <type 'str'> >>> c == a True關于編碼問題，先到這里，點到為止吧。因為再扯，還會扯出問題來。看官肯定感到不滿意，因為還沒有知其所以然。沒關系，請盡情google，即可解決。
python中如何避免中文是亂碼
這個問題是一個具有很強操作性的問題。我這里有一個經驗總結，分享一下，供參考：
首先，提倡使用utf-8編碼方案，因為它跨平臺不錯。
經驗一：在開頭聲明：
# -*- coding: utf-8 -*-有朋友問我-*-有什么作用，那個就是為了好看，愛美之心人皆有，更何況程序員？當然，也可以寫成：
# coding:utf-8經驗二：遇到字符（節）串，立刻轉化為unicode，不要用str()，直接使用unicode()
unicode_str = unicode('中文', encoding='utf-8') print unicode_str.encode('utf-8')經驗三：如果對文件操作，打開文件的時候，最好用codecs.open，替代open(這個后面會講到，先放在這里)
import codecs codecs.open('filename', encoding='utf8')我還收集了網上的一片文章，也挺好的，推薦給看官：Python2.x的中文顯示方法
最后告訴給我，如果用python3，坑爹的編碼問題就不煩惱了。