python中文乱码问题大总结

在运行这样类似的代码：

#!/usr/bin/env pythons="中文"print s

最近经常遇到这样的问题：

问题一：SyntaxError: Non-ASCII character 'xe4' in file E:codingpythonUntitled 6.py on line 3, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

问题二：UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 108: ordinal not in range(128)

问题三：UnicodeEncodeError: 'gb2312' codec can't encode character u'u2014' in position 72366: illegal multibyte sequence

这些都是跟字符编码有关的问题，很郁闷，中文总是弄不出来，找了很多方案，这里有些是我前几天找到的一些方案，拿出来给大家分享一下哈

　　字符串在Python内部的表示是unicode 编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。

encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。

在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。

如在UliPad中运行如下代码：

s=u"中文"

print s

会提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP 上的控制台信息输出窗口是按照ascii编码输出的（英文系统的默认编码是ascii），而上面代码中的字符串是Unicode编码的，所以输出时产生了错误。

将最后一句改为：print s.encode('gb2312')

则能正确输出“中文”两个字。

若最后一句改为：print s.encode('utf8')

则输出：xe4xb8xadxe6x96x87，这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。

下面代码可能比较通用一些，如下:

#!/usr/bin/env python   #coding=utf-8   s="中文" if isinstance(s, unicode):      #s=u"中文"       print s.encode('gb2312')  else:      #s="中文"       print s.decode('utf-8').encode('gb2312') #!/usr/bin/env python#coding=utf-8s="中文"if isinstance(s, unicode): #s=u"中文" print s.encode('gb2312')else: #s="中文" print s.decode('utf-8').encode('gb2312')

看看下面一段代码：

#!/usr/bin/env python   #coding=utf-8   #python version:2.7.4  #system:windows xp    import httplib2 def getPageContent(url):     '''''    使用httplib2用编程的方式根据url获取网页内容    将bytes形式的内容转换成utf-8的字符串    '''    #使用ie9的user-agent，如果不设置user-agent将会得到403禁止访问      headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)',             'cache-control':'no-cache'}     if url:          response,content = httplib2.Http().request(url,headers=headers)                     if response.status == 200 :             return content

import sys   reload(sys)   sys.setdefaultencoding('utf-8')   #修改默认编码方式，默认为ascci  print sys.getdefaultencoding()   content = getPageContent("http://www.oschina.net/") print content.decode('utf-8').encode('gb2312') #!/usr/bin/env python#coding=utf-8#python version:2.7.4#system:windows xpimport httplib2def getPageContent(url):    '''    使用httplib2用编程的方式根据url获取网页内容    将bytes形式的内容转换成utf-8的字符串    '''    #使用ie9的user-agent，如果不设置user-agent将会得到403禁止访问    headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)',            'cache-control':'no-cache'}    if url:         response,content = httplib2.Http().request(url,headers=headers)                  if response.status == 200 :            return content

import sys reload(sys) sys.setdefaultencoding('utf-8')   #修改默认编码方式，默认为ascciprint sys.getdefaultencoding()content = getPageContent("http://www.oschina.net/")print content.decode('utf-8').encode('gb2312')

上面的代码的意思：向www.oschina.net网站请求他的主页，（如果直接是utf-8编码，不能输出中文）想将编码方式为utf-8转向gd2312,出现问题三

当我把它将print content.decode('utf-8').encode('gb2312')改成　　print content.decode('utf-8').encode('gb2312', ‘ignore’)时，ＯＫ了，可以显示中文了，但不敢确定是否为全部，貌似只有部分吧，有些不能用gb2312编码

然而，当我把网站换成 www.soso.com时，不用转为gb2312,用utf-8即可正常显示中文

总结一下：

　　向文件直接输出ss会抛出同样的异常。在处理unicode中文字符串的时候，必须首先对它调用encode函数，转换成其它编码输出。这一点对各个环境都一样。在Python中，“str”对象就是一个字节数组，至于里面的内容是不是一个合法的字符串，以及这个字符串采用什么编码（gbk, utf-8, unicode）都不重要。这些内容需要用户自己记录和判断。这些的限制也同样适用于“unicode”对象。要记住“unicode”对象中的内容可绝对不一定就是合法的unicode字符串，我们很快就会看到这种情况。在windows的控制台上，支持gbk编码的str对象和unicode编码的unicode对象。