大学思政类网站建设,天津推广的平台,全国工商网注册查询网,单页个人主页网页设计代码edu.codepub.com/2009/1029/17037.php 这个问题在python3.0里已经解决了。 这有篇很好的文章#xff0c;可以明白这个问题: 为什么会报错“UnicodeEncodeError: ascii codec cant encode characters in position 0-1: ordinal not in range(128)”#xff1f;本文就来研究一下…edu.codepub.com/2009/1029/17037.php 这个问题在python3.0里已经解决了。 这有篇很好的文章可以明白这个问题: 为什么会报错“UnicodeEncodeError: ascii codec cant encode characters in position 0-1: ordinal not in range(128)”本文就来研究一下这个问题。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。 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。 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。 因此转码的时候一定要先搞明白字符串str是什么编码然后decode成unicode然后再encode成其他编码 代码中字符串的默认编码与代码文件本身的编码一致。 如s中文 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。通常在没有指定特定的编码方式时都是使用的系统默 认编码创建的代码文件。 如果字符串是这样定义su中文 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。 如果一个字符串已经是unicode了再进行解码则将出错因此通常要对其编码方式是否为unicode进行判断 isinstance(s, unicode) #用来判断是否为unicode 用非unicode编码形式的str来encode会报错 如何获得系统的默认编码 #!/usr/bin/env python#codingutf-8import sysprint sys.getdefaultencoding() 该段程序在英文WindowsXP上输出为ascii 在某些IDE中字符串的输出总是出现乱码甚至错误其实是由于IDE的结果输出控制台自身不能显示字符串的编码而不是程序本身的问题。 如在UliPad中运行如下代码 su中文print s 会提示UnicodeEncodeError: ascii codec cant encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP上的控制台信息输出窗口是按照ascii编码输出的英文系统的默认编码是 ascii而上面代码中的字符串是Unicode编码的所以输出时产生了错误。 将最后一句改为print s.encode(gb2312) 则能正确输出“中文”两个字。 若最后一句改为print s.encode(utf8) 则输出\xe4\xb8\xad\xe6\x96\x87这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。 unicode(str,gb2312)与str.decode(gb2312)是一样的都是将gb2312编码的str转为unicode编码 使用str.__class__可以查看str的编码形式 groups.google.com/group/python-cn/browse_thread/thread/be4e4e0d4c3272dd-----python是个容易出现编码问题的语言。所以我按照我的理解写下下面这些文字。 首先要了解几个概念。 *字节计算机数据的表示。8位二进制。可以表示无符号整数0-255。下文用“字节流”表示“字节”组成的串。 *字符英文字符“abc”或者中文字符“你我他”。字符本身不知道如何在计算机中保存。下文中会避免使用“字符串”这个词而用“文本”来表 示“字符”组成的串。 *编码动词按照某种规则这个规则称为编码名词将“文本”转换为“字节流”。在python中unicode变成str *解码动词将“字节流”按照某种规则转换成“文本”。在python中str变成unicode **实际上任何东西在计算机中表示都需要编码。例如视频要编码然后保存在文件中播放的时候需要解码才能观看。 unicodeunicode定义了一个“字符”和一个“数字”的对应但是并没有规定这个“数字”在计算机中怎么保存。就像在C中一个整数既 可以是int也可以是short。unicode没有规定用int还是用short来表示一个“字符” utf8unicode实现。它使用unicode定义的“字符”“数字”映射进而规定了如何在计算机中保存这个数字。其它的utf16等都是 unicode实现。 gbk类似utf8这样的“编码”。但是它没有使用unicode定义的“字符”“数字”映射而是使用了另一套的映射方法。而且它还定义了如何在 计算机中保存。 python中的encodedecode方法 首先要知道encode是 unicode转换成str。decode是str转换成unicode。 下文中u代表unicode类型的变量s代表str类型的变量。 u.encode(...)基本上总是能成功的只要你填写了正确的编码。就像任何文件都可以压缩成zip文件。 s.decode(...)经常是会出错的因为str是什么“编码”取决于上下文当你解码的时候需要确保s是用什么编码的。就像打开zip文 件的时候你要确保它确实是zip文件而不仅仅是伪造了扩展名的zip文件。 u.decode(),s.encode()不建议使用s.encode相当于s.decode().encode()首先用默认编码一般是 ascii转换成unicode在进行encode。 关于#codingutf8 当你在py文件的第一行中写了这句话并确实按照这个编码保存了文本的话那么这句话有以下几个功能。 1.使得词法分析器能正常运作对于注释中的中文不报错了。 2.对于u中文这样literal string能知道两个引号中的内容是utf8编码的然后能正确转换成unicode 3.中文对于这样的literal string你会知道这中间的内容是utf8编码然后就可以正确转换成其它编码或unicode了。 没有写完先码那么多字以后再来补充这里不是wiki太麻烦了。 Python编码和Windows控制台 我发现很多初学者出错的地方都在print语句这牵涉到控制台的输出。我不了解linux所以只说控制台的。 首先Windows的控制台确实是unicodeutf16_le编码的或者更准确的说使用字符为单位输出文本的。 但是程序的执行是可以被重定向到文件的而文件的单位是“字节”。 所以对于C运行时的函数printf之类的输出必须有一个编码把文本转换成字节。可能是为了兼容9598 没有使用unicode的编码而是mbcs不是gbk之类的。 windows的mbcs也就是ansi它会在不同语言的windows中使用不同的编码在中文的windows中就是gb系列的编码。 这造成了同一个文本在不同语言的windows中是不兼容的。 现在我们知道了如果你要在windows的控制台中输出文本它的编码一定要是“mbcs”。 对于python的unicode变量使用print输出的话会使用sys.getfilesystemencoding()返回的编码把它变成str。 如果是一个utf8编码str变量那么就需要 print s.decode(utf8).encode(mbcs) 最后对于str变量file文件读取的内容urllib得到的网络上的内容都是以“字节”形式的。 它们如果确实是一段“文本”比如你想print出来看看。那么你必须知道它们的编码。然后decode成unicode。 如何知道它们的编码 1.事先约定。比如这个文本文件就是你自己用utf8编码保存的 2.协议。python文件第一行的#codingutf8html中的等 2.猜。 这个非常好但还不是很明白 将“文本”转换为“字节流”。在python中unicode变成str 最后对于str变量file文件读取的内容urllib得到的网络上的内容都是以“字节”形式的。 虽然文件或者网页是文本的,但是在保存或者传输时已经被编码成bytes了,所以用rb打开的file和从socket读取的流是基于字节的. 它们如果确实是一段“文本”比如你想print出来看看。那么你必须知道它们的编码。然后decode成unicode。 这里的加引号的文本,其实还是字节流(bytes),而不是真正的文本(unicode),只是说明我们知道他是可以解码成文本的. 在解码的时候,如果是基于约定的,那就可以直接从指定地方读取如BOM或者python文件的指定coding或者网页的meta,就可以正确解码, 但是现在很多文件/网页虽然指定了编码,但是文件格式实际却使用了其他的编码(比如py文件指定了codingutf8,但是你还是可以保存成ansi--记事本的默认编码),这种情况下真实的编码就需要去猜了 解码了的文本只存在运行环境中,如果你需要打印/保存/输出给数据库/网络传递,就又需要一次编码过程,这个编码与上面的编码没有关系,只是依赖于你的选择,但是这个编码也不是可以随便选择的,因为编码后的bytes如果又需要传递给其他人/环境,那么如果你的编码也不遵循约定,又给下一个人/环境造成了困扰,于是递归之~~~~ 主要有一条非常容易误解 一般人会认为Unicode广义统一了编码其实不然。Unicode不是唯一的编码而一大堆编码的统称。但是Windows下Unicode 狭义一般特指UCS2也就是UTF-16/LE unicode作为字符集(ucs)是唯一的,编码方案(utf)才是有很多种 将字符与字节的概念区分开来是很重要的。Java 一直就是这样Python也开始这么做了Ruby 貌似还在混乱当中。我也说两句。我对编码的研究相对比较深一些。因为工作中也经常遇到乱码于是在05年对编码专门做过研究并在公司刊物上发过文章最后形成了一个教材每年在公司给新员工都讲一遍。于是项目中遇到乱码的问题就能很快的定位并解决了。 理论上从一个字符到具体的编码会经过以下几个概念。 字符集Abstract character repertoire 编码字符集Coded character set 字符编码方式Character encoding form 字符编码方案Character encoding scheme 字符集就算一堆抽象的字符如所有中文。字符集的定义是抽象的与计算机无关。 编码字符集是一个从整数集子集到字符集抽象元素的映射。即给抽象的字符编上数字。如gb2312中的定义的字符每个字符都有个整数和它对应。一个整数只对应着一个字符。反过来则不一定是。这里所说的映射关系是数学意义上的映射关系。编码字符集也是与计算机无关的。unicode字符集也在这一层。 字符编码方式这个开始与计算机有关了。编码字符集的编码点在计算机里的具体表现形式。通俗的说意思就是怎么样才能将字符所对应的整数的放进计算机内存或文件、或网络中。于是不同人有不同的实现方式所谓的万码奔腾就是指这个。gb2312utf-8,utf-16,utf-32等都在这一层。 字符编码方案这个更加与计算机密切相关。具体是与操作系统密切相关。主要是解决大小字节序的问题。对于UTF-16和UTF-32 编码Unicode都支持big-endian 和 little-endian两种编码方案。 一般来说我们所说的编码都在第三层完成。具体到一个软件系统中则很复杂。 浏览器apachetomcat包括tomcat内部的jsp编码、编译文件读取数据库之间只要存在数据交互就有可能发生编码不一致如果在读取数据时没有正确的decode和encode出现乱码就是家常便饭了。 转载于:https://www.cnblogs.com/nkwy2012/p/6509772.html
