python 编码

字符编码

中文：

>>> name = '你好' >>> name '\xe4\xbd\xa0\xe5\xa5\xbd' 

英文：

>>> name = "hiekay" >>> name 'hiekay' 

计算机中的字符编码

一般用utf-8

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部份修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或发送文字的应用中，优先采用的编码。 

encode和decode

从encode()和decode()两个内置函数：

 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. 

python2默认的编码是ascii，通过encode可以将对象的编码转换为指定编码格式，而decode是这个过程的逆过程。

实验：

>>> a = "中" >>> type(a) <type 'str'> >>> a '\xe4\xb8\xad' >>> len(a) 3 >>> b = a.decode('utf-8') >>> b u'\u4e2d' >>> type(b) <type 'unicode'> >>> len(b) 1 

上面实验中，变量a引用了一个字符串，所谓字符串(str)，严格地将是字节串，它是经过编码后的字节组成的序列。也就是你在上面的实验中，看到的是“中”这个字在计算机中编码之后的字节表示。用len(a)来度量它的长度，它是由三个字节组成的。

然后通过decode函数，将字节串转变为字符串，并且这个字符串是按照unicode编码的。在unicode编码中，一个汉字对应一个字符，这时候度量它的长度就是1.

反过来，一个unicode编码的字符串，也可以转换为字节串。

>>> c = b.encode('utf-8') >>> c '\xe4\xb8\xad' >>> type(c) <type 'str'> >>> c == a True 

python中如何避免中文是乱码

首先，提倡使用utf-8编码方案，因为它跨平台不错。

• 1 ：在开头声明：

# -*- coding: utf-8 -*- 

或者

# coding:utf-8 

• 2：遇到字符（节）串，立刻转化为unicode，不要用str()，直接使用unicode()

unicode_str = unicode('中文', encoding='utf-8') print unicode_str.encode('utf-8') 

• 3：如果对文件操作，打开文件的时候，最好用codecs.open，替代open(这个后面会讲到，先放在这里)

import codecs codecs.open('filename', encoding='utf8') 

用python3就没有编码的问题。