流暢的python讀書筆記-第四章 編碼問題

處理文本的最佳實踐是「Unicode 三明治」

---

1. 要儘早把輸入（例如讀取文件時）的字節序列解碼成字符串。
2. 這種三明治中的「肉片」是程序的業務邏輯，在這裏只能處理字符串對象。
3. 在其餘處理過程當中，必定不能編碼或解碼。
4. 對輸出來講，則要儘可能晚地把字符串編碼成字節序列。

案例

例如，在 Django 中，
視圖應該輸出 Unicode 字符串；
Django 會負責把響應編碼成字節序列，並且默認使用 UTF-8 編碼。

編碼建議 顯示指明編碼

編碼默認值的最佳建議是：別依賴默認值
明確指定encodeing

二進制模式

除非想判斷編碼，不然不要在二進制模式中打開文本文件；
即使如此，也應該使用 Chardet，而不是從新發明輪子

總結

Unicode 三明治

• 儘早 字節序列解碼成字符串
• 三明治中的「肉片」是程序的業務邏輯，在這裏只能處理字符串對象
• 儘可能晚地把字符串編碼成字節序列

顯示編碼

別再二進制中打開文本,判斷編碼應該使用 Chardet