Windows下Python字符串编码问题

Python语言实际上有三种字符串，通常意义的字符串(str)，Unicode字符串(unicode)和抽象类basestring，其中basestring不可实例化。

在Windows系统下的CPython解释器输入代码：

>>> st1 = ‘中文‘
>>> st1
‘\xd6\xd0\xce\xc4‘
>>> type(st1)
<type ‘str‘>
>>> st2 = st1.decode(‘gbk‘)
>>> st2
u‘\u4e2d\u6587‘
>>> type(st2)
<type ‘unicode‘>
>>> st3 = st2.encode(‘utf-8‘)
>>> st3
‘\xe4\xb8\xad\xe6\x96\x87‘
>>> type(st3)
<type ‘str‘>
>>> st4 = st2.encode(‘gbk‘)
>>> st4
‘\xd6\xd0\xce\xc4‘
>>> type(st4)
<type ‘str‘>

如果在代码中加入一句：

>>> st5 = st1.decode(‘utf-8‘)

则会报错

从上面的代码和输出我们可以得到如下结论：

1、Windows命令行输入的默认中文编码格式是gbk，输入的中文字符串类型为str

2、使用decode函数可以将一个str类型的中文字符串转成unicode类型

3、使用encode函数可以将一个unicode类型的中文字符串转成str类型

所以我们一般在进行Python脚本编写的时候，需要在脚本的开头加上如下代码：

#-*- coding:utf-8 -*-

也可以导入模块sys，设置默认编码格式：

import sys
sys.setdefaultencoding(‘utf-8‘)

PS: Python版本为python2.7

版权声明：本文为博主原创文章，未经博主允许不得转载。