edu.codepub.com/2009/1029/17037.php

這個(gè)問題在python3.0里已經(jīng)解決了。

?

這有篇很好的文章，可以明白這個(gè)問題:

為什么會(huì)報(bào)錯(cuò)“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)”？本文就來研究一下這個(gè)問題。
字符串在Python內(nèi)部的表示是unicode編碼，因此，在做編碼轉(zhuǎn)換時(shí)，通常需要以u(píng)nicode作為中間編碼，即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

decode的作用是將其他編碼的字符串轉(zhuǎn)換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串str1轉(zhuǎn)換成unicode編碼。

encode的作用是將unicode編碼轉(zhuǎn)換成其他編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串str2轉(zhuǎn)換成gb2312編碼。

因此，轉(zhuǎn)碼的時(shí)候一定要先搞明白，字符串str是什么編碼，然后decode成unicode，然后再encode成其他編碼

代碼中字符串的默認(rèn)編碼與代碼文件本身的編碼一致。

如：s='中文'

如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進(jìn)行編碼轉(zhuǎn)換，都需 要先用decode方法將其轉(zhuǎn)換成unicode編碼，再使用encode方法將其轉(zhuǎn)換成其他編碼。通常，在沒有指定特定的編碼方式時(shí)，都是使用的系統(tǒng)默 認(rèn)編碼創(chuàng)建的代碼文件。

如果字符串是這樣定義：s=u'中文'

則該字符串的編碼就被指定為unicode了，即python的內(nèi)部編碼，而與代碼文件本身的編碼無關(guān)。因此，對(duì)于這種情況做編碼轉(zhuǎn)換，只需要直接使用encode方法將其轉(zhuǎn)換成指定編碼即可。

如果一個(gè)字符串已經(jīng)是unicode了，再進(jìn)行解碼則將出錯(cuò)，因此通常要對(duì)其編碼方式是否為unicode進(jìn)行判斷：

isinstance(s, unicode)?#用來判斷是否為unicode

用非unicode編碼形式的str來encode會(huì)報(bào)錯(cuò)

如何獲得系統(tǒng)的默認(rèn)編碼？

#!/usr/bin/env python
#coding=utf-8
import sys
print?sys.getdefaultencoding()

該段程序在英文WindowsXP上輸出為：ascii

在某些IDE中，字符串的輸出總是出現(xiàn)亂碼，甚至錯(cuò)誤，其實(shí)是由于IDE的結(jié)果輸出控制臺(tái)自身不能顯示字符串的編碼，而不是程序本身的問題。

如在UliPad中運(yùn)行如下代碼：

s=u"中文"
print s

會(huì)提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。這是因?yàn)閁liPad在英文WindowsXP上的控制臺(tái)信息輸出窗口是按照ascii編碼輸出的（英文系統(tǒng)的默認(rèn)編碼是 ascii），而上面代碼中的字符串是Unicode編碼的，所以輸出時(shí)產(chǎn)生了錯(cuò)誤。

將最后一句改為：print s.encode('gb2312')

則能正確輸出“中文”兩個(gè)字。

若最后一句改為：print s.encode('utf8')

則輸出：\xe4\xb8\xad\xe6\x96\x87，這是控制臺(tái)信息輸出窗口按照ascii編碼輸出utf8編碼的字符串的結(jié)果。

unicode(str,'gb2312')與str.decode('gb2312')是一樣的，都是將gb2312編碼的str轉(zhuǎn)為unicode編碼

使用str.__class__可以查看str的編碼形式

>>>>>
groups.google.com/group/python-cn/browse_thread/thread/be4e4e0d4c3272dd
-----
python是個(gè)容易出現(xiàn)編碼問題的語言。所以，我按照我的理解寫下下面這些文字。?
=首先，要了解幾個(gè)概念。=?
*字節(jié)：計(jì)算機(jī)數(shù)據(jù)的表示。8位二進(jìn)制。可以表示無符號(hào)整數(shù)：0-255。下文，用“字節(jié)流”表示“字節(jié)”組成的串。?
*字符：英文字符“abc”，或者中文字符“你我他”。字符本身不知道如何在計(jì)算機(jī)中保存。下文中，會(huì)避免使用“字符串”這個(gè)詞，而用“文本”來表?
示“字符”組成的串。?
*編碼（動(dòng)詞）：按照某種規(guī)則（這個(gè)規(guī)則稱為：編碼（名詞））將“文本”轉(zhuǎn)換為“字節(jié)流”。（在python中：unicode變成str）?
*解碼（動(dòng)詞）：將“字節(jié)流”按照某種規(guī)則轉(zhuǎn)換成“文本”。（在python中：str變成unicode）?
**實(shí)際上，任何東西在計(jì)算機(jī)中表示，都需要編碼。例如，視頻要編碼然后保存在文件中，播放的時(shí)候需要解碼才能觀看。?
unicode：unicode定義了，一個(gè)“字符”和一個(gè)“數(shù)字”的對(duì)應(yīng)，但是并沒有規(guī)定這個(gè)“數(shù)字”在計(jì)算機(jī)中怎么保存。（就像在C中，一個(gè)整數(shù)既?
可以是int，也可以是short。unicode沒有規(guī)定用int還是用short來表示一個(gè)“字符”）?
utf8：unicode實(shí)現(xiàn)。它使用unicode定義的“字符”“數(shù)字”映射，進(jìn)而規(guī)定了，如何在計(jì)算機(jī)中保存這個(gè)數(shù)字。其它的utf16等都是?
unicode實(shí)現(xiàn)。?
gbk：類似utf8這樣的“編碼”。但是它沒有使用unicode定義的“字符”“數(shù)字”映射，而是使用了另一套的映射方法。而且，它還定義了如何在?
計(jì)算機(jī)中保存。?

=python中的encode，decode方法=?
首先，要知道encode是 unicode轉(zhuǎn)換成str。decode是str轉(zhuǎn)換成unicode。?
下文中，u代表unicode類型的變量，s代表str類型的變量。?
u.encode('...')基本上總是能成功的，只要你填寫了正確的編碼。就像任何文件都可以壓縮成zip文件。?
s.decode('...')經(jīng)常是會(huì)出錯(cuò)的，因?yàn)閟tr是什么“編碼”取決于上下文，當(dāng)你解碼的時(shí)候需要確保s是用什么編碼的。就像，打開zip文?
件的時(shí)候，你要確保它確實(shí)是zip文件，而不僅僅是偽造了擴(kuò)展名的zip文件。?
u.decode(),s.encode()不建議使用，s.encode相當(dāng)于s.decode().encode()首先用默認(rèn)編碼（一般是?
ascii）轉(zhuǎn)換成unicode在進(jìn)行encode。?

=關(guān)于#coding=utf8=?
當(dāng)你在py文件的第一行中，寫了這句話，并確實(shí)按照這個(gè)編碼保存了文本的話，那么這句話有以下幾個(gè)功能。?
1.使得詞法分析器能正常運(yùn)作，對(duì)于注釋中的中文不報(bào)錯(cuò)了。?
2.對(duì)于u"中文"這樣literal string能知道兩個(gè)引號(hào)中的內(nèi)容是utf8編碼的，然后能正確轉(zhuǎn)換成unicode?
3."中文"對(duì)于這樣的literal string你會(huì)知道，這中間的內(nèi)容是utf8編碼，然后就可以正確轉(zhuǎn)換成其它編碼或unicode了。?

沒有寫完，先碼那么多字，以后再來補(bǔ)充，這里不是wiki，太麻煩了。

>>>>>
>>>>>
=Python編碼和Windows控制臺(tái)=?
我發(fā)現(xiàn)，很多初學(xué)者出錯(cuò)的地方都在print語句，這牽涉到控制臺(tái)的輸出。我不了解linux，所以只說控制臺(tái)的。?
首先，Windows的控制臺(tái)確實(shí)是unicode（utf16_le編碼）的，或者更準(zhǔn)確的說使用字符為單位輸出文本的。?
但是，程序的執(zhí)行是可以被重定向到文件的，而文件的單位是“字節(jié)”。?
所以，對(duì)于C運(yùn)行時(shí)的函數(shù)printf之類的，輸出必須有一個(gè)編碼，把文本轉(zhuǎn)換成字節(jié)。可能是為了兼容95，98，?
沒有使用unicode的編碼，而是mbcs（不是gbk之類的）。?
windows的mbcs，也就是ansi，它會(huì)在不同語言的windows中使用不同的編碼，在中文的windows中就是gb系列的編碼。?
這造成了同一個(gè)文本，在不同語言的windows中是不兼容的。?
現(xiàn)在我們知道了，如果你要在windows的控制臺(tái)中輸出文本，它的編碼一定要是“mbcs”。?
對(duì)于python的unicode變量，使用print輸出的話，會(huì)使用sys.getfilesystemencoding()返回的編碼，把它變成str。?
如果是一個(gè)utf8編碼str變量，那么就需要 print s.decode('utf8').encode('mbcs')?
最后，對(duì)于str變量，file文件讀取的內(nèi)容，urllib得到的網(wǎng)絡(luò)上的內(nèi)容，都是以“字節(jié)”形式的。?
它們?nèi)绻_實(shí)是一段“文本”，比如你想print出來看看。那么你必須知道它們的編碼。然后decode成unicode。?
如何知道它們的編碼：?
1.事先約定。（比如這個(gè)文本文件就是你自己用utf8編碼保存的）?
2.協(xié)議。（python文件第一行的#coding=utf8，html中的等）?
2.猜。?

>>>>>

> 這個(gè)非常好，但還不是很明白?
> 將“文本”轉(zhuǎn)換為“字節(jié)流”。（在python中：unicode變成str）?

"最后，對(duì)于str變量，file文件讀取的內(nèi)容，urllib得到的網(wǎng)絡(luò)上的內(nèi)容，都是以“字節(jié)”形式的。"?
雖然文件或者網(wǎng)頁是文本的,但是在保存或者傳輸時(shí)已經(jīng)被編碼成bytes了,所以用"rb"打開的file和從socket讀取的流是基于字節(jié)的.?
"它們?nèi)绻_實(shí)是一段“文本”，比如你想print出來看看。那么你必須知道它們的編碼。然后decode成unicode。"?
這里的加引號(hào)的"文本",其實(shí)還是字節(jié)流(bytes),而不是真正的文本(unicode),只是說明我們知道他是可以解碼成文本的.?
在解碼的時(shí)候,如果是基于約定的,那就可以直接從指定地方讀取如BOM或者python文件的指定coding或者網(wǎng)頁的meta,就可以正確解碼,?
但是現(xiàn)在很多文件/網(wǎng)頁雖然指定了編碼,但是文件格式實(shí)際卻使用了其他的編碼(比如py文件指定了coding=utf8,但是你還是可以保存成ansi--記事本的默認(rèn)編碼),這種情況下真實(shí)的編碼就需要去猜了?
解碼了的文本只存在運(yùn)行環(huán)境中,如果你需要打印/保存/輸出給數(shù)據(jù)庫/網(wǎng)絡(luò)傳遞,就又需要一次編碼過程,這個(gè)編碼與上面的編碼沒有關(guān)系,只是依賴于你的選擇,但是這個(gè)編碼也不是可以隨便選擇的,因?yàn)榫幋a后的bytes如果又需要傳遞給其他人/環(huán)境,那么如果你的編碼也不遵循約定,又給下一個(gè)人/環(huán)境造成了困擾,于是遞歸之~~~~?
>>>>>

> 主要有一條非常容易誤解：?

> 一般人會(huì)認(rèn)為Unicode（廣義）統(tǒng)一了編碼，其實(shí)不然。Unicode不是唯一的編碼，而一大堆編碼的統(tǒng)稱。但是Windows下Unicode?
> （狹義）一般特指UCS2，也就是UTF-16/LE?

unicode作為字符集(ucs)是唯一的,編碼方案(utf)才是有很多種?

>>>>>
將字符與字節(jié)的概念區(qū)分開來是很重要的。Java 一直就是這樣，Python也開始這么做了，Ruby 貌似還在混亂當(dāng)中。
>>>>>
>>>>>
我也說兩句。我對(duì)編碼的研究相對(duì)比較深一些。因?yàn)楣ぷ髦幸步?jīng)常遇到亂碼，于是在05年，對(duì)編碼專門做過研究，并在公司刊物上發(fā)過文章，最后形成了一個(gè)教材，每年在公司給新員工都講一遍。于是項(xiàng)目中遇到亂碼的問題就能很快的定位并解決了。?
理論上，從一個(gè)字符到具體的編碼，會(huì)經(jīng)過以下幾個(gè)概念。?
字符集（Abstract character repertoire）?
編碼字符集（Coded character set）?
字符編碼方式（Character encoding form）?
字符編碼方案（Character encoding scheme ）?
字符集：就算一堆抽象的字符，如所有中文。字符集的定義是抽象的，與計(jì)算機(jī)無關(guān)。?
編碼字符集：是一個(gè)從整數(shù)集子集到字符集抽象元素的映射。即給抽象的字符編上數(shù)字。如gb2312中的定義的字符，每個(gè)字符都有個(gè)整數(shù)和它對(duì)應(yīng)。一個(gè)整數(shù)只對(duì)應(yīng)著一個(gè)字符。反過來，則不一定是。這里所說的映射關(guān)系，是數(shù)學(xué)意義上的映射關(guān)系。編碼字符集也是與計(jì)算機(jī)無關(guān)的。unicode字符集也在這一層。?
字符編碼方式：這個(gè)開始與計(jì)算機(jī)有關(guān)了。編碼字符集的編碼點(diǎn)在計(jì)算機(jī)里的具體表現(xiàn)形式。通俗的說，意思就是怎么樣才能將字符所對(duì)應(yīng)的整數(shù)的放進(jìn)計(jì)算機(jī)內(nèi)存，或文件、或網(wǎng)絡(luò)中。于是，不同人有不同的實(shí)現(xiàn)方式，所謂的萬碼奔騰，就是指這個(gè)。gb2312，utf-8,utf-16,utf-32等都在這一層。?
字符編碼方案：這個(gè)更加與計(jì)算機(jī)密切相關(guān)。具體是與操作系統(tǒng)密切相關(guān)。主要是解決大小字節(jié)序的問題。對(duì)于UTF-16和UTF-32?
編碼，Unicode都支持big-endian 和 little-endian兩種編碼方案。?
一般來說，我們所說的編碼，都在第三層完成。具體到一個(gè)軟件系統(tǒng)中，則很復(fù)雜。?
瀏覽器－apache－tomcat（包括tomcat內(nèi)部的jsp編碼、編譯，文件讀取）－數(shù)據(jù)庫之間，只要存在數(shù)據(jù)交互，就有可能發(fā)生編碼不一致，如果在讀取數(shù)據(jù)時(shí)，沒有正確的decode和encode，出現(xiàn)亂碼就是家常便飯了。?

轉(zhuǎn)載于:https://www.cnblogs.com/nkwy2012/p/6509772.html

總結(jié)

以上是生活随笔為你收集整理的[转]python新手必碰到的问题---encode与decode，中文乱码--转载的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。