Python中文编码问题(字符串前面加'u')

ゝ一世哀愁。 2022-02-23 04:42 234阅读 0赞

中文编码问题是用中文的程序员经常头大的问题，在python下也是如此，那么应该怎么理解和解决python的编码问题呢？

我们要知道python内部使用的是unicode编码，而外部却要面对千奇百怪的各种编码，比如作为中国程序经常要面对的gbk，gb2312，utf8等，那这些编码是怎么转换成内部的unicode呢？

首先我们先看一下源代码文件中使用字符串的情况。源代码文件作为文本文件就必然是以某种编码形式存储代码的，python默认会认为源代码文件是asci编码，比如说代码中有一个变量赋值：

s1=’a’   
print s1

python认为这个’a'就是一个asci编码的字符。在仅仅使用英文字符的情况下一切正常，但是如果用了中文，比如：

s1=’哈’   
print s1

这个代码文件被执行时就会出错，就是编码出了问题。python默认将代码文件内容当作asci编码处理，但asci编码中不存在中文，因此抛出异常。

解决问题之道就是要让python知道文件中使用的是什么编码形式，对于中文，可以用的常见编码有utf-8，gbk和gb2312等。只需在代码文件的最前端添加如下：

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

这就是告知python我这个文件里的文本是用utf-8编码的，这样，python就会依照utf-8的编码形式解读其中的字符，然后转换成unicode编码内部处理使用。

不过，如果你在Windows控制台下运行此代码的话，虽然程序是执行了，但屏幕上打印出的却不是哈字。这是由于python编码与控制台编码的不一致造成的。Windows下控制台中的编码使用的

是gbk，而在代码中使用的utf-8，python按照utf-8编码打印到gbk编码的控制台下自然就会不一致而不能打印出正确的汉字。

解决办法一个是将源代码的编码也改成gbk，也就是代码第一行改成：

\# -\*- coding: gbk -\*-

另一种方法是保持源码文件的utf-8不变，而是在’哈’前面加个u字，也就是:

s1=u’哈’   
print s1

这样就可以正确打印出’哈’字了。

这里的这个u表示将后面跟的字符串以unicode格式存储。python会根据代码第一行标称的utf-8编码识别代码中的汉字’哈’，然后转换成unicode对象。如果我们用type查看一下’哈’的数据类

型type(‘哈’)，会得到<type ‘str’>，而type(u’哈’)，则会得到<type ‘unicode’>，也就是在字符前面加u就表明这是一个unicode对象，这个字会以unicode格式存在于内存中，而如果不加u

，表明这仅仅是一个使用某种编码的字符串，编码格式取决于python对源码文件编码的识别，这里就是utf-8。

Python在向控制台输出unicode对象的时候会自动根据输出环境的编码进行转换，但如果输出的不是unicode对象而是普通字符串，则会直接按照字符串的编码输出字符串，从而出现上面的现

象。

使用unicode对象的话，除了这样使用u标记，还可以使用unicode类以及字符串的encode和decode方法。

unicode类的构造函数接受一个字符串参数和一个编码参数，将字符串封装为一个unicode，比如在这里，由于我们用的是utf-8编码，所以unicode中的编码参数使用’utf-8′将字符封装为

unicode对象，然后正确输出到控制台：

s1=unicode(‘哈’, ‘utf-8′)   
print s1

另外，用decode函数也可以将一个普通字符串转换为unicode对象。很多人都搞不明白python字符串的decode和encode函数都是什么意思。这里简要说明一下。

decode是将普通字符串按照参数中的编码格式进行解析，然后生成对应的unicode对象，比如在这里我们代码用的是utf-8，那么把一个字符串转换为unicode就是如下形式：

s2=’哈’.decode(‘utf-8′)

这时，s2就是一个存储了’哈’字的unicode对象，其实就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。

那么encode正好就是相反的功能，是将一个unicode对象转换为参数中编码格式的普通字符，比如下面代码：

s3=unicode(‘哈’, ‘utf-8′).encode(‘utf-8′)

s3现在又变回了utf-8的’哈’。

发表评论取消回复

表情：

评论列表（有 0 条评论，234人围观）

还没有评论，来说两句吧...

相关阅读

相关 Python字符串前加r、u的含义

`python`字符串前加字符`r` `python`字符串前加字符`r`是告诉解释器该字符是原始字符、不要转义；原始字符串：所有的字符串都是直接按照字面的意思来使用...

悠悠/ 2024年04月19日 11:18/ 0 赞/ 35 阅读

相关 WxPython(二) -- 编码问题 u‘中文‘

编码问题对于开发的程序员来说并不陌生，相信每个程序员在开发的路上都有遇到过乱码的问题，在python下也是如此，接下来就来看看python是如何进行编码的。 python内部

忘是亡心i/ 2022年12月13日 04:37/ 0 赞/ 127 阅读

相关 Python 字符串前面加u,r,b的含义

1、字符串前加 u 例：u"我是含有中文字符组成的字符串。" 作用：后面字符串以 Unicode 格式进行编码，一般用在中文字符串前面，防止因为源码储存格式问题，导

亦凉/ 2022年10月10日 13:58/ 0 赞/ 156 阅读

相关 Python输出\u编码将其转换成中文

爬取了下小猪短租的网站出租房信息但是输出的时候是这种： ![这里写图片描述][SouthEast] 百度了下。python2.7在window上的编码确实是个坑解决如

我会带着你远行/ 2022年07月11日 13:43/ 0 赞/ 225 阅读

相关 python字符串前面加r的用法

在打开文件的时候open(r’c:….’)，加r和不加”r是有区别的 ‘r’是防止字符转义的如果路径中出现’\\t’的话不加r的话\\t就会被转义而加了’r’之后’\\

╰+哭是因爲堅強的太久メ/ 2022年05月25日 06:12/ 0 赞/ 158 阅读

相关 python学习-字符串前面添加u,r,b的含义

python学习-字符串前面添加u,r,b的含义 u/U:表示unicode字符串不是仅仅是针对中文, 可以针对任何的字符串，代表是对字符串进行unicode编码

雨点打透心脏的1/2处/ 2022年03月16日 10:56/ 0 赞/ 173 阅读

相关 Python中文编码问题(字符串前面加'u')

中文编码问题是用中文的程序员经常头大的问题，在python下也是如此，那么应该怎么理解和解决python的编码问题呢？我们要知道python内部使用的是unicode编码，

ゝ一世哀愁。/ 2022年02月23日 04:42/ 0 赞/ 235 阅读

相关 Python 字符串前面加'r'是什么意思？

在Python的string前面加上‘r’，是为了告诉编译器这个string是个raw string，不要转意backslash ‘’ 。例如，\\n 在raw strin

喜欢ヅ旅行/ 2021年12月24日 10:31/ 0 赞/ 327 阅读

相关 python中文编码问题

`python3` 一般可以正常使用中文。如果出现中文编码问题报错，可以在文件开头加上`-- coding: utf-8 --` !/usr/bin/env p

末蓝、/ 2021年12月21日 08:35/ 0 赞/ 421 阅读

相关 Python 中文编码

Python2中默认的编码格式是 ASCII 格式，在没修改编码格式时无法正确打印汉字，所以在读取中文时会报错。解决方法为只要在文件开头加入 \ -\- coding: U

深碍√TFBOYSˉ_/ 2021年09月27日 07:46/ 0 赞/ 379 阅读