编码与解码
对于我这样的新手来说python2.x的编码解码问题真是个坑,什么decode,encode,好乱好乱,怎么办呢,还是得自己搞懂的,这个世界你能靠的只有自己。
查了好多资料书籍,下面我试着来解释一下,有可能有些偏差,但是会好理解一点:
当我们要向对方表达某种意思的时候,就会用文字(当然有其他方法)写下来,当对方看到文字的时候,就会明白我们要表达的意思。
把要表达的意思写下来就是编码,对方看到文字后,会把通过眼睛接受的文字翻译成意思,然后就明白了要表达的东西,这就是解码
对应到Python中,“意思”就是unicode,文字就是str,因为文字有中文,英文,西班牙语等等,所以str就会有utf-8,ascii等,
因此unicode通过encode就会变成str,str通过decode就会变成unicode,一般我们以“utf-8”编码:unicode.encode('utf-8'),解码:str.decode('utf-8')
那为什么我们经常会遇到UnicodeEncodError:'ascii'code can't encode characters in position...呢:
这一般是发生在有中文的情况下,原因是当需要对str类型的字符串进行解码操作时,python会自动将其解码为unicode,而默认采用的是ascii来解码,举个例子:
>>>a = u'hello' + 'ysf'
>>>a
u'helloysf'
这是在终端输入的代码,其中u‘hello’是unicode类型,‘ysf’是str类型,但是进行python在处理u'hello' + 'ysf'时却没有报错,最后还返回了u'helloysf',这是为什么呢?原因就在于python内部先做了一步‘ysf’.decode('ascii'),将str类型解码成了unicode类型,这在没有中文的情况下是没错的,但是当有中文的时候,就有问题了,如下:
>>>a = u'hello' + '中文'
Traceback (most recent call last):
File "<input>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
这是python在内部进行‘中文’.decode(‘ascii’)解码时出错了,因为ascii编码不包含中文,因此无法解码。按照如下方法改就不出错了
>>>a = u'hello' + '中文'.decode('utf-8')
>>>a
u'hello\u4e2d\u6587'
或者把系统默认编码方式改为‘utf-8’,如下,也就不会出错了
>>>import sys
>>>reload(sys)
<module 'sys' (built-in)>
>>>sys.setdefaultencoding('utf-8')
>>>a = u'hello' + '中文'
>>>a
u'hello\u4e2d\u6587'
最后在提一下,当源代码写在脚本文件中时,我们一般会用# -- coding:utf-8 --去申明,而且要保存为utf-8编码,这样子Python解释器会按照‘utf-8’方式读取源代码,读取后,会转换为Unicode字符到内存里,编辑完成后,保存时在转换为‘utf-8’,因此如果要写入文件中,就要用encode(‘utf-8’)编码成utf-8类型。