unicode和utf-8的區別

在Django視圖函數中常常出現相似於'ascii' codec can't decode byte 0xef in position 0: ordinal not in range(128)的錯誤。

 

        在解決錯誤以前，首先要了解unicode和utf-8的區別。
        unicode指的是萬國碼，是一種「字碼表」。而utf-8是這種字碼表儲存的編碼方法。unicode不必定要由utf-8這種方式編成bytecode儲存，也能夠使用utf-16,utf-7等其餘方式。目前大多都以utf-8的方式來變成bytecode。

 

        其次，Python中字符串類型分爲byte string 和 unicode string兩種。
        若是在python文件中指定編碼方式爲utf-8(#coding=utf-8)，那麼全部帶中文的字符串都會被認爲是utf-8編碼的byte string（例如：mystr="你好"），可是在函數中所產生的字符串則被認爲是unicode string。
        問題就出在這邊，unicode string 和 byte string 是不能夠混合使用的，一旦混合使用了，就會產生這樣的錯誤。例如：
        self.response.out.write("你好"+self.request.get("argu"))
        其中，"你好"被認爲是byte string，而self.request.get("argu")的返回值被認爲是unicode string。因爲預設的解碼器是ascii，因此就不能識別中文byte string。而後就報錯了。

 

---

        如下有兩個解決方法：
        1.將字符串全都轉成byte string。
            self.response.out.write("你好"+self.request.get("argu").encode("utf-8"))
        2.將字符串全都轉成unicode string。
            self.response.out.write(u"你好"+self.request.get("argu"))
            byte string轉換成unicode string能夠這樣轉unicode(unicodestring, "utf-8")