系统编码 python编码

编码一直都是一个很让人头疼的问题，尤其是在python里面。花了几天时间，终于把这个问题给弄明白了。



一，什么是编码，编码过程是怎样的？常见的编码方式有哪些？

编码是从一个字符，比如‘哈’，到一段二进制码流的过程。解码是从一段二进制码流到一个字符的过程。

在编码的过程中，会涉及到三个名词：字符，内码，字符集。字符就是终端上显示的各个文字字母等。内码和字符是一一对应的关系。每一个字符都对应一个唯一的内码。内码在内存中的具体实现称为字符集。

注意：严格来说，编码指内码编码成字符集；解码指字符集解码为内码。

ascii不仅仅指英文对应的内码，还包括它的具体实现，也就是它的字符集。它是用一个字节存储每个内码的。

unicode是所有文字(包括英文，中文，日文等)所对应的内码的集合。

unicode的实现方式比较多样，常用的有UTF-8，GBK，GB18030。

其中，UTF-8是一种不定长的内码实现方式。

GB18030兼容GBK，GBK兼容GB2312。



二，系统编码方式查询更改命令有哪些？（linux）

locale是最核心的一个变量。它包括12个基本属性。这12个基本属性构成某个地区的语言习惯，日期，货币，单位等文化因素。LC_ALL是强制修改locale信息的命令。LANG是locale的默认设置命令。因此，当LC_ALL强制locale信息以后，LANG的设置也就失效了。



三，python中的编码问题

在python中，需要分清楚三种编码：系统编码，python编码，文件编码。先面说一下这三种编码的作用。

系统编码，通常也是写源码的编辑器的编码方式。它代表源码文件内的所有内容都是根据词方式编码成二进制码流，存入到磁盘中的。

系统编码可以通过locale命令查看（LINUX）。

python编码，是指python内设置的解码方式。如果不设定的话，python默认是ascii解码。它的设置方式有一下三种：

第一种：在源码文件开头（一定要是第一行）：#coding=UTF-8，源码文件的设置解码方式为UTF-8

第二种：在源码文件开头（一定是第一行）：#-*-coding:UTF-8-*-，源码文件的设置解码方式是UTF-8

第三种：

import sys

reload(sys)

sys.setdefaultencoding('UTF-8')

个人推荐前两种。前两种的区别在于，第二种能够被其他语言识别，第一种只使用于python

下面举例说明系统编码和python编码的作用。

系统编码：locale：gbk

python源文件test.py

#coding='UTF-8'

s='哈'

print s



在test.py保存的时候，会按照系统编码方式GBK的方式，编码成gbk二进制码流，存储到磁盘上。当运行该程序时。gbk二进制码流调入内存，并按照python设置的解码方式解码，也就是按照UTF-8的方式解码。所以，源文件中的汉字“哈”显示按照gbk方式，编码成二进制码流，然后按照UTF-8的方式解码成unicode内码。可以想象，结果不是错误提示，就是显示出来的是乱码。

还有一种情况需要用到python的默认解码方式。例如：

系统编码：locale：gbk

test.py

#coding='gbk'

s='哈'

ss=s.encode('UTF-8')

字符串s表示的是汉字“哈”的gbk编码的二进制码流（python中，所有字符串都表示的是相应的二进制码流，所有的unicode都表示的是相应的内码）。ss=s.encode('UTF-8')的过程中，会先对s的二进制码流，按照python设定的默认解码方式解码成unicode内码，然后对内码按照encode指定的编码方式编码。



在字符串的处理过程中，记住一句话：对二进制码流，按照解码的编码处理。怎么理解这句话呢？

例如：

print s

字符串s表示的是二进制码流，print函数把它交给系统，系统按照系统的编码方式解码饼显示。当然，如果系统的解码方式和s的编码方式不兼容的话，可能会报错或者乱码。

再例如：

f.write("%s\r\n"%str)

字符串str表示的是二进制码流，f是打开的指定文件。str二进制码流按照f文件的编码方式进行解码和编码，结果保存在f文件中。

为了安全起见，文件在打开的时候，最后指定文件编码方式



字符串和unicode的区别

字符串表示的是编码后的二进制码流，unicode表示的是内码。所以，为了避免解码错误的出现，最好使用unicode表示

unicode的定义，使用

1.s=u'哈'：定义unicode字符串s。s表示的是哈的unicode内码

2.ss=unicode(s,'gbk'):对字符串s按照gbk方式解码，ss表示解码后的内码

3.import codecs

f=codecs.open(filename,'r','gbk‘）

s=f.read()

按照gbk方式读取filename，读取后的内容转变成unicode内码存在变量s中。

好了，记住上面这些，python中碰到编码问题，再也不会害怕了

转载 http://blog.sina.com.cn/s/blog_67852f560101fjtc.html