在Python中使用中文

在Python中使用中文

這個問題曾在我初學Python的時候令我頭疼不已，尤爲是目前咱們由於各類包的緣由還只能使用2.x的版本。在3.x中字符編碼已經統一用Unicode了。

Python 默認支持的是ASCII字符，包含了英文字母大小寫以及標點符號，用一枚字節表示。中文則使用兩枚字節表示。

 

沒興趣的同窗能夠繞過這段…

有人可能要問了，我擦，爲神馬之前說一個漢字的精度越高字節越多麼？爲神馬是兩枚字節？

這是兩個不一樣的概念。存儲裏講的是一個漢字佔兩個字節。 而你說的點陣那個是打印碼。

 

平時說1個漢字佔2個字節，是指漢字編碼，就象每一個字符都有一個ASCII碼同樣。1個ASCII碼佔1個字節，而1個漢字編碼佔2個字節。

簡單地解釋下，咱們屏幕上看到的漢字實際上是一個16*16的矩陣，它所須要的位數共是16*16＝256個位，每一個字節爲8位，所以，每一個漢字都須要用256/8=32個字節來表示。

即每兩個字節表明一行的16個點，共須要16行，顯示漢字時，只需一次性讀取32個字節，並將每兩個字節爲一行打印出來，便可造成一個漢字。

這也就是傳說中的點陣字體。

 

---我是正文的分割線---

So當中文編碼和ASCII混用的話，就會出現錯誤咯。

目前中文編碼有GB2312，BIG5，GBK。

建議使用統一字符集Unicode，能夠處理全部的語言文字。

 

若是在.py文件中使用中文，請使用：

#-*- coding:utf-8 –*-

 

請注意在使用IDE的時候，project的編碼格式必定要設置爲utf-8，不然輸出的還是亂碼，由於你寫的腳本沒用UTF-8保存。

先別急着去練習，我們來看看下面這個腳本：

 

#-*- coding:utf-8 –*-

# chinese.py

chinese='''
在Python中使用中文，必定要
注意字符編碼問題
'''
print chinese

 

在命令行運行的結果：

 

這是咋回事呢？不是寫了編碼了麼？還亂碼啊，有木有？有木有？有木有？

 

這是由於win的，命令行用的是cp936編碼，而上面腳本用的是utf-8編碼，所以致使亂碼。

解決方法是，使用decode和encode函數對字符從新解碼和編碼。

print chinese.decode('utf-8').encode('cp936')

OK,熟悉的文字出來了。

 

2011/8/8更新，如下內容轉載自：

http://ppjava.iteye.com/blog/210143

 

 

 

常見的編碼轉換分爲如下幾種狀況：

• unicode->其它編碼
  
  例如：a爲unicode編碼 要轉爲gb2312。a.encode('gb2312')
• 其它編碼->unicode
  
  例如：a爲gb2312編碼，要轉爲unicode. unicode(a, 'gb2312')或a.decode('gb2312')
• 編碼1 -> 編碼2
  
  能夠先轉爲unicode再轉爲編碼2
  
  如gb2312轉big5
  unicode(a, 'gb2312').encode('big5')
• 判斷字符串的編碼
  
  isinstance(s, str) 用來判斷是否爲通常字符串
  isinstance(s, unicode) 用來判斷是否爲unicode
• 若是一個字符串已是unicode了，再執行unicode轉換有時會出錯(並不都出錯)
  
  能夠寫一個通用的轉成unicode函數：
  def u(s, encoding):
      if isinstance(s, unicode):
          return s
      else:
          return unicode(s, encoding)

 另一篇有價值的文章可查看這一篇：傳送門