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，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 -*-
python中的字符串是什么这就是告知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’。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。