解決python中文亂碼問題方法總結

Posted on by

在運行這樣類似的代碼：

#!/usr/bin/env pythons="中文"print s

最近經常遇到這樣的問題：

問題一：

SyntaxError: Non-ASCII character ‘\xe4’ in file E:\coding\python\Untitled 6.py on line 3, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

問題二：

UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe5 in position 108: ordinal not in range(128)

問題三：

UnicodeEncodeError: ‘gb2312′ codec can’t encode character u’\u2014’ in position 72366: illegal multibyte sequence

這些都是跟字符編碼有關的問題，很鬱悶，中文總是弄不出來，找瞭很多方案，這裡有些是我前幾天找到的一些方案，拿出來給大傢分享一下哈

字符串在Python內部的表示是unicode 編碼，因此，在做編碼轉換時，通常需要以unicode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換成unicode編碼，如str1.decode(‘gb2312’)，表示將gb2312編碼的字符串str1轉換成unicode編碼。

encode的作用是將unicode編碼轉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轉換成gb2312編碼。

在某些IDE中，字符串的輸出總是出現亂碼，甚至錯誤，其實是由於IDE的結果輸出控制臺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中運行如下代碼：

s=u"中文"print s

會提示：

UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-1: ordinal not in range(128)

這是因為UliPad在英文WindowsXP 上的控制臺信息輸出窗口是按照ascii編碼輸出的（英文系統的默認編碼是ascii），而上面代碼中的字符串是Unicode編碼的，所以輸出時產生瞭錯誤。

將最後一句改為：print s.encode('gb2312')

則能正確輸出“中文”兩個字。

若最後一句改為：print s.encode('utf8')

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

下面代碼可能比較通用一些，如下:

#!/usr/bin/env python  #coding=utf-8  s="中文"if isinstance(s,unicode):     #s=u"中文"      print s.encode('gb2312') else:     #s="中文"      print s.decode('utf-8').encode('gb2312')#!/usr/bin/env python#coding=utf-8s="中文"if isinstance(s,unicode): #s=u"中文" print s.encode('gb2312')else: #s="中文" print s.decode('utf-8').encode('gb2312')

看看下面一段代碼：

#!/usr/bin/env python  #coding=utf-8  #python version:2.7.4 #system:windows xp    import httplib2def getPageContent(url):    '''''    使用httplib2用編程的方式根據url獲取網頁內容    將bytes形式的內容轉換成utf-8的字符串    '''    #使用ie9的user-agent，如果不設置user-agent將會得到403禁止訪問     headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)',            'cache-control':'no-cache'}    if url:         response,content= httplib2.Http().request(url,headers=headers)                     if response.status== 200 :            return content
import sys  reload(sys)  sys.setdefaultencoding('utf-8')  #修改默認編碼方式，默認為ascci print sys.getdefaultencoding()   content= getPageContent("http://www.oschina.net/")print content.decode('utf-8').encode('gb2312')#!/usr/bin/env python#coding=utf-8#python version:2.7.4#system:windows xpimport httplib2def getPageContent(url):    '''    使用httplib2用編程的方式根據url獲取網頁內容    將bytes形式的內容轉換成utf-8的字符串    '''    #使用ie9的user-agent，如果不設置user-agent將會得到403禁止訪問    headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)',            'cache-control':'no-cache'}    if url:         response,content= httplib2.Http().request(url,headers=headers)                   if response.status== 200 :            return content
import sysreload(sys)sys.setdefaultencoding('utf-8')  #修改默認編碼方式，默認為ascciprint sys.getdefaultencoding()content= getPageContent("//www.jb51.net/")print content.decode('utf-8').encode('gb2312')

上面的代碼的意思：向www.jb51.net網站請求他的主頁，（如果直接是utf-8編碼，不能輸出中文）想將編碼方式為utf-8轉向gd2312,出現問題三

當我把它將print content.decode('utf-8').encode('gb2312')改成print content.decode('utf-8').encode('gb2312', ‘ignore')時，ＯＫ瞭，可以顯示中文瞭，但不敢確定是否為全部，貌似隻有部分吧，有些不能用gb2312編碼

然而，當我把網站換成 www.soso.com時，不用轉為gb2312,用utf-8即可正常顯示中文

總結一下：

向文件直接輸出ss會拋出同樣的異常。在處理unicode中文字符串的時候，必須首先對它調用encode函數，轉換成其它編碼輸出。這一點對各個環境都一樣。在Python中，“str”對象就是一個字節數組，至於裡面的內容是不是一個合法的字符串，以及這個字符串采用什麼編碼（gbk, utf-8, unicode）都不重要。這些內容需要用戶自己記錄和判斷。這些的限制也同樣適用於“unicode”對象。要記住“unicode”對象中的內容可絕對不一定就是合法的unicode字符串，我們很快就會看到這種情況。在windows的控制臺上，支持gbk編碼的str對象和unicode編碼的unicode對象。

更多關於解決python中文亂碼問題方法總結的文章請查看下面的相關鏈接

推薦閱讀：