python字符编码

字符编码




莫尔斯电码的代码包括五种：点（.）、划（-）、每个字符间短的停顿（在点和


划之间的停顿）、每个词之间中等的停顿、以及句子之间长的停顿。


python2默认的编码是ascii,通过encode可以将对象的编码转换为指定编码格式


（称作“编码”），而decode是这个过程的逆过程（称作“解码”）。


>>> a = "中"
>>> type(a)
<type 'str'>
>>> a
'\xe4\xb8\xad'
>>> len(a)
3


>>> b = a.decode() #通过decode函数，将字节串转变为字符串
>>> b
u'\u4e2d'
>>> type(b)
<type 'unicode'>
>>> len(b)
1
并且这个字符串是按照unicode编码的。在unicode编码中，一个汉字对应一个字


节符，这时候度量它的长度就是1.


反过来，一个unicode编码的字符串，也可以转换为字节串。
>>> c = b.encode('utf-8')
>>> c
'\xe4\xb8\xad'
>>> type(c)
<type 'str'>
>>> c == a
True






python中如何避免中文是乱码


首先，提倡使用utf-8编码方案，因为它跨平台不错。
经验一：在开头声明：
# -*- coding:utf-8 -*-


经验二：遇到字符（节）串，立刻转化为unicode，不要用str（），直接使用


unicode()
unicode_str = unicode('中文', encoding='utf-8')
print unicode_str.encode('utf-8')


经验三：如果对文件操作，打开文件的时候，最好用codecs.open，替代open
import codecs
codecs.open('filename',encoding='utf8')


经验四：声明字符串直接加u，声明的字符串就是unicode编码的字符串
a=u"中"