Python的中文字符乱码
程序员文章站
2024-01-12 17:03:40
...
打算用Python解析一下网络日志文件。
必然地遇上了中文乱码的问题。
小弟以前学Java,用Python解决中文乱码的问题真不知道如何入手。
在Java下面调试通过的代码,放在Python环境下就给我闹脾气了。
费我九牛二虎之力,终于在一位Oschina大大的帮助下问题解决了。
Python编码的思路主要是:
1.字符串
2.Unicode
3.目标编码集 其中(CP936,GB2312,GBK,GB18030貌似可以互相直接转换,大部分的编码是一样的)
了解Python的系统编码的结构,先看下以下的一段代码:
import locale def p(f): print '%s.%s(): %s' % (f.__module__, f.__name__, f()) # 返回当前系统所使用的默认字符编码 p(sys.getdefaultencoding) # 返回用于转换Unicode文件名至系统文件名所使用的编码 p(sys.getfilesystemencoding) # 获取默认的区域设置并返回元祖(语言, 编码) p(locale.getdefaultlocale) # 返回用户设定的文本数据编码 # 文档提到this function only returns a guess p(locale.getpreferredencoding) # \xba\xba是'汉'的GBK编码 # mbcs是不推荐使用的编码,这里仅作测试表明为什么不应该用 print r"'\xba\xba'.decode('mbcs'):", repr('\xba\xba'.decode('mbcs')) #在笔者的Windows上的结果(区域设置为中文(简体, 中国)) #sys.getdefaultencoding(): gbk #sys.getfilesystemencoding(): mbcs #locale.getdefaultlocale(): ('zh_CN', 'cp936') #locale.getpreferredencoding(): cp936 #'\xba\xba'.decode('mbcs'): u'\u6c49'
上一篇: Win10删除系统预装应用的方法