深度剖析Python 中文亂碼說明
一直以來，Python 中文亂碼就是一個極為頭大的問題，經(jīng)常拋出編碼轉(zhuǎn)換的異常，python中的str和unicode到底是一個什么東西呢？下面就進行學(xué)習相關(guān)Python 中文亂碼問題。
在Python 中文亂碼中提到unicode，一般指的是unicode對象，例如'哈哈'的unicode對象為而str，是一個字節(jié)數(shù)組，這個字節(jié)數(shù)組表示的是對unicode對象編碼(可以是utf-8、gbk、cp936、GB2312)后的存儲的格式。這里它僅僅是一個字節(jié)流，沒有其它的含義，如果你想使這個字節(jié)流顯示的內(nèi)容有意義，就必須用正確的編碼格式，解碼顯示。
例如：
對于unicode對象哈哈進行編碼，編碼成一個utf-8編碼的str－s_utf8,s_utf8就是是一個字節(jié)數(shù)組，存放的就是'\xe5\x93\x88\xe5\x93\x88'，但是這僅僅是一個字節(jié)數(shù)組，如果你想將它通過print語句輸出成哈哈，那你就失望了，為什么呢？
因為print語句它的實現(xiàn)是將要輸出的內(nèi)容傳送了操作系統(tǒng)，操作系統(tǒng)會根據(jù)系統(tǒng)的編碼對輸入的字節(jié)流進行編碼，這就解釋了為什么utf-8格式的字符串“哈哈”，輸出的是“鍝堝搱”。
因為 '\xe5\x93\x88\xe5\x93\x88'用GB2312去解釋，其顯示的出來就是“鍝堝搱”。這里再強調(diào)一下，str記錄的是字節(jié)數(shù)組，只是某種編碼的存儲格式，至于輸出到文件或是打印出來是什么格式，完全取決于其解碼的編碼將它解碼成什么樣子。
這里再對print進行一點補充說明：當將一個unicode對象傳給print時，在內(nèi)部會將該unicode對象進行一次轉(zhuǎn)換，轉(zhuǎn)換成本地的默認編碼（這僅是個人猜測） str和unicode對象的轉(zhuǎn)換，通過encode和decode實現(xiàn)，具體使用如下：
將GBK'哈哈'轉(zhuǎn)換成unicode，然后再轉(zhuǎn)換成UTF8 后就可以轉(zhuǎn)換成功，為什么呢？在python中str和unicode在編碼和解碼過程中。如果將一個str直接編碼成另一種編碼，會先把str解碼成unicode，采用的編碼為默認編碼，一般默認編碼是 ansci i，所以在上面示例代碼中***次轉(zhuǎn)換的時候會出錯，當設(shè)定當前默認編碼為'gbk'后，就不會出錯了。
在***節(jié)已經(jīng)說過，Python 中文亂碼中的字符串，只是一個字節(jié)數(shù)組，所以當把a情況的str輸出到gbk編碼的控制臺時，就將顯示為亂碼：鍝堝搱；而當把b情況下的str輸出utf-8編碼的控制臺時，也將顯示亂碼的問題，是什么也沒有，也許'\xb9\xfe\xb9\xfe'用utf-8解碼顯示，就是空白吧至于reload(sys)是因為 Python2.5 初始化后會刪除 sys.setdefaultencoding 這個方法，我們需要重新載入 。
【編輯推薦】
