python处理中文

素颜马尾好姑娘i 2021-12-21 09:27 152阅读 0赞

[来源：http://www.djangochina.cn/forum.php?mod=viewthread&tid=118977&extra=page%3D1][http_www.djangochina.cn_forum.php_mod_viewthread_tid_118977_extra_page_3D1]

<table> 
 <tbody> 
  <tr> 
   <td><br>字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。<br><br>decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。<br><br>encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。<br><br>代码中字符串的默认编码与代码文件本身的编码一致。<br><br>如：s='中文'<br><br>如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。<br><br>如果字符串是这样定义：s=u'中文'<br><br>则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。<br><br>以日期为例：<br><br> 
    <div> 
     <div> 
      <ol> 
       <li>#raw_date is a gbk-coding string</li> 
       <li>def parse_date(raw_date):</li> 
       <li>&nbsp; &nbsp; entry_date = raw_date.decode("gbk")</li> 
       <li>&nbsp; &nbsp; month = int(entry_date[0])</li> 
       <li>#unicode 对中文的长度是1，如果6月2日那么长度就是4，如果6月25日，长度就是5</li> 
       <li>&nbsp; &nbsp; if len(entry_date) == 5:</li> 
       <li>&nbsp; &nbsp;&nbsp; &nbsp;&nbsp;&nbsp;day = 10 * int(entry_date[2]) + int(entry_date[3])</li> 
       <li>&nbsp; &nbsp; else:</li> 
       <li>&nbsp; &nbsp;&nbsp; &nbsp;&nbsp;&nbsp;day = int(entry_date[2])</li> 
       <li>&nbsp; &nbsp; return 2013, month, day</li> 
      </ol> 
     </div> 复制代码 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

[python][],  [中文][Link 1]

转载于:https://www.cnblogs.com/stevenzeng/p/5138361.html

[http_www.djangochina.cn_forum.php_mod_viewthread_tid_118977_extra_page_3D1]: http://www.djangochina.cn/forum.php?mod=viewthread&tid=118977&extra=page%3D1
[python]: http://www.djangochina.cn/misc.php?mod=tag&id=3
[Link 1]: http://www.djangochina.cn/misc.php?mod=tag&id=451