深度剖析Python 中文亂碼說(shuō)明
一直以來(lái)，Python 中文亂碼就是一個(gè)極為頭大的問(wèn)題，經(jīng)常拋出編碼轉(zhuǎn)換的異常，python中的str和unicode到底是一個(gè)什么東西呢？下面就進(jìn)行學(xué)習(xí)相關(guān)Python 中文亂碼問(wèn)題。
在Python 中文亂碼中提到unicode，一般指的是unicode對(duì)象，例如'哈哈'的unicode對(duì)象為而str，是一個(gè)字節(jié)數(shù)組，這個(gè)字節(jié)數(shù)組表示的是對(duì)unicode對(duì)象編碼(可以是utf-8、gbk、cp936、GB2312)后的存儲(chǔ)的格式。這里它僅僅是一個(gè)字節(jié)流，沒(méi)有其它的含義，如果你想使這個(gè)字節(jié)流顯示的內(nèi)容有意義，就必須用正確的編碼格式，解碼顯示。
例如：
對(duì)于unicode對(duì)象哈哈進(jìn)行編碼，編碼成一個(gè)utf-8編碼的str－s_utf8,s_utf8就是是一個(gè)字節(jié)數(shù)組，存放的就是'\xe5\x93\x88\xe5\x93\x88'，但是這僅僅是一個(gè)字節(jié)數(shù)組，如果你想將它通過(guò)print語(yǔ)句輸出成哈哈，那你就失望了，為什么呢？
因?yàn)閜rint語(yǔ)句它的實(shí)現(xiàn)是將要輸出的內(nèi)容傳送了操作系統(tǒng)，操作系統(tǒng)會(huì)根據(jù)系統(tǒng)的編碼對(duì)輸入的字節(jié)流進(jìn)行編碼，這就解釋了為什么utf-8格式的字符串“哈哈”，輸出的是“鍝堝搱”。
因?yàn)?'\xe5\x93\x88\xe5\x93\x88'用GB2312去解釋?zhuān)滹@示的出來(lái)就是“鍝堝搱”。這里再?gòu)?qiáng)調(diào)一下，str記錄的是字節(jié)數(shù)組，只是某種編碼的存儲(chǔ)格式，至于輸出到文件或是打印出來(lái)是什么格式，完全取決于其解碼的編碼將它解碼成什么樣子。
這里再對(duì)print進(jìn)行一點(diǎn)補(bǔ)充說(shuō)明：當(dāng)將一個(gè)unicode對(duì)象傳給print時(shí)，在內(nèi)部會(huì)將該unicode對(duì)象進(jìn)行一次轉(zhuǎn)換，轉(zhuǎn)換成本地的默認(rèn)編碼（這僅是個(gè)人猜測(cè)） str和unicode對(duì)象的轉(zhuǎn)換，通過(guò)encode和decode實(shí)現(xiàn)，具體使用如下：
將GBK'哈哈'轉(zhuǎn)換成unicode，然后再轉(zhuǎn)換成UTF8 后就可以轉(zhuǎn)換成功，為什么呢？在python中str和unicode在編碼和解碼過(guò)程中。如果將一個(gè)str直接編碼成另一種編碼，會(huì)先把str解碼成unicode，采用的編碼為默認(rèn)編碼，一般默認(rèn)編碼是 ansci i，所以在上面示例代碼中***次轉(zhuǎn)換的時(shí)候會(huì)出錯(cuò)，當(dāng)設(shè)定當(dāng)前默認(rèn)編碼為'gbk'后，就不會(huì)出錯(cuò)了。
在***節(jié)已經(jīng)說(shuō)過(guò)，Python 中文亂碼中的字符串，只是一個(gè)字節(jié)數(shù)組，所以當(dāng)把a(bǔ)情況的str輸出到gbk編碼的控制臺(tái)時(shí)，就將顯示為亂碼：鍝堝搱；而當(dāng)把b情況下的str輸出utf-8編碼的控制臺(tái)時(shí)，也將顯示亂碼的問(wèn)題，是什么也沒(méi)有，也許'\xb9\xfe\xb9\xfe'用utf-8解碼顯示，就是空白吧至于reload(sys)是因?yàn)?Python2.5 初始化后會(huì)刪除 sys.setdefaultencoding 這個(gè)方法，我們需要重新載入 。
【編輯推薦】
