Python 中有關中文編碼解碼小記

簡單記錄幾點，以備後忘：

1、python 中的默認編碼方式爲ascii

In [1]: import sys
In [2]: sys.getdefaultencoding()
Out[2]: 'ascii'

2、設置python 中的默認編碼方式

In [1]: import sys
In [2]: reload(sys)
<module 'sys' (built-in)>
In [3]: sys.setdefaultencoding('utf-8')
In [4]: sys.getdefaultencoding()
'utf-8'

3、python 頭頂部設置的編碼格式 # _*_ coding: utf-8 _*_  不會影響默認python 的默認編碼格式

#! /usr/bin/env python
# _*_ coding: utf-8 _*_

import sys
print sys.getdefaultencoding()

執行後的結果爲 ascii 編碼格式

那麼python 頭頂部設置的編碼格式有什麼作用呢?

#1、如果代碼中有中文註釋，就需要此聲明
#2、比較高級的編輯器（比如我的emacs），會根據頭部聲明，將此作爲代碼文件的格式
#3、程序會通過頭部聲明，解碼初始化 u"人生苦短"，這樣的unicode對象，(所以頭部聲明和代碼的存儲格式要一致) 

以上觀點來自於 http://python.jobbole.com/81244/ 此文

那做個測試吧：

#! /usr/bin/env python
# _*_ coding: utf-8 _*_

import sys
print sys.getdefaultencoding()

#reload(sys)
#sys.setdefaultencoding('utf-8')

# 會被編碼爲unicode
s1 = u"這是一個測試1"

# 會被編碼爲ascii
s2 = "這是一個測試2"

s1.encode('gbk')
s2.encode('gbk')
print s1
print s2

以上測試結果：

ascii
Traceback (most recent call last):
  File "testunicoding.py", line 21, in <module>
    s2.encode('gbk')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe8 in position 0: ordinal not in range(128)

主要s2這個字符串的默認編碼格式爲ascii ，無法先decode 成unicode 。出了問題

將默認編碼方式更改爲utf-8後

#! /usr/bin/env python
# _*_ coding: utf-8 _*_

import sys
print sys.getdefaultencoding()

reload(sys)
sys.setdefaultencoding('utf-8')

print sys.getdefaultencoding()

# 會被編碼爲unicode
s1 = u"這是一個測試1"

# 會被編碼爲ascii
s2 = "這是一個測試2"

s1.encode('gbk')
s2.encode('gbk')
print s1
print s2

執行結果：

ascii
utf-8
這是一個測試1
這是一個測試2