Java调用Python时的编码问题

最近的一个项目，用Java做web服务器，里面有HTTP请求的需求，而Java对HTTP客户端的支持少之又少，而且不大好用，故转而求之Python。Python在这方面做的非常好，特别是包揽了对Cookie的管理，程序员不必再在上面费心。但是问题也随之而来，由于我的Python程序导入了许多第三方包，所以使用Java调用Python的时候只能通过命令行调用，这成了乱码的来源。

我们使用如下代码运行Python程序：

Process proc = Runtime.getRuntime().exec("python  D:\\demo.py 参数1 参数2 参数3");  proc.waitFor();

在调用命令行的同时传入了三个参数，而且都是中文字符串。

然后，在Python中接收这三个参数：

# -*- coding: utf8 -*-if __name__ == '__main__':    param1 = sys.argv[1]    param2 = sys.argv[2]    param3 = sys.argv[3]

于是param1、param2、param3就成了乱码。原因很简单，我的Python程序声明了编码类型为UTF-8，而命令行的默认编码是GBK，所以从命令行参数读取到的是GBK编码的字符串，所以如果按照UTF-8来解码肯定是乱码。解决方法是，读取到的三个参数，先解码为Unicode，再编码为UTF-8，代码更改如下：

# -*- coding: utf8 -*-if __name__ == '__main__':    param1 = sys.argv[1].decode('GBK').encode('utf-8')    param2 = sys.argv[2].decode('GBK').encode('utf-8')    param3 = sys.argv[3].decode('GBK').encode('utf-8')

这样就搞定了。

困惑我很久的是Unicode这个东西，我一直以为Unicode就是UTF-8！！！可是昨天我才知道Unicode是一套复杂的字符编码标准，简单来说就是将人类使用的每个所谓字符与一个非负整数对应，并且保证不同的字符对应的整数一定不同。UTF-8是这个整数的编码方式，用1到4字节来表达一个整数。详细分析可参考知乎-《Unicode和UTF-8有何区别》。