快乐Python快速上手系列10 - 中文编码问题

关于现实中文字符，总会遇到很多问题，比方说在Python2.7中，默认情况，Python对字符的解码时采用ASCII的形式，这也是为什么当我们文件里添加了中文注释，或者字符串里包含了中文字符，python会报错如下：

if __name__ == '__main__': s1 = "你好" print(s1)

运行后错误信息为：

File "D:\PythonProj\TLDA_Analyser\Chinese_Sym.py", line 2 SyntaxError: Non-ASCII character '\xe4' in file D:\PythonProj\TLDA_Analyser\Chinese_Sym.py on line 5, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

纵然在字符串前面加上u也不行

if __name__ == '__main__': s1 = u"你好" print(s1)

运行错误依然为

File "D:\PythonProj\TLDA_Analyser\Chinese_Sym.py", line 3 SyntaxError: Non-ASCII character '\xe4' in file D:\PythonProj\TLDA_Analyser\Chinese_Sym.py on line 3, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

python默认的编码格式为ASCII，所以它无法解释中文字符。

>>> sys.getdefaultencodi 4000 ng() 'ascii' >>>

解决方法，在文件的开头加入希望python采用的编码格式的声明，例如：

#coding=utf-8 或者 #-*- coding: UTF-8 -*-

总体代码示例如下：

#coding=utf-8 import chardet if __name__ == '__main__': s1 = "你好" print(s1) s_arr = bytearray(s1) print(chardet.detect(s_arr)) if isinstance(s1, unicode): print("S1 is unicode") else: print("S1 is not unicode") s2 = u"你好" s_arr = bytearray(s2, 'utf-8') print(chardet.detect(s_arr)) if isinstance(s2, unicode): print("S2 is unicode") print(s2) pass

输出

你好 {'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'} S1 is not unicode {'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'} S2 is unicode 你好

但是在python3.5中就不存在这个问题啦，因为Python3.5的系统编码默认就是utf-8，下面代码在Python3.5中不需要担心任何的问题。

if __name__ == '__main__': s1 = "你好" print(s1) pass

实际应用中，显示的时候还存在其他方面的问题，比方说，cmd的显示问题，
可以相应的更改其codepage来达到目的。
举例，
我们要获取的信息是：

©2015 Baidu 使用百度前必读 意见反馈 京ICP证030173号

　　Windows cmd 用的是cp936，也就是中文的GB2312，在GBK的字符集里没有“©”，这就导致通过GBK解析的时候出现编码问题。

　　这就像你在翻译英文的时候，出现了一个单词，这个单词你查遍了牛津大词典都没找到对应的含义解释，那么自然是会有问题的。

　　那假设，我还就想在cmd下执行这个python程序了，那么可以去修改cmd的默认编码类型为utf-8，对应的编码为CHCP 65001（utf-8）。在cmd 下输入：chcp 65001 命令回车。



然后，修改cmd的字体为“Lucida Console”，再来执行程序就可以被正确输出了。
Wish you happy with python:)