Python中的编码

Python处理字符串，写文件时会碰到许多的编码问题，特别是涉及到中文的时候，非常烦人，但又不得不学。下面主要记录工作过程中碰到的Python编码问题。

1. 字符串编码

Python的字符串类型为str，可以通过type函数查看返回的类型。Python中字符串默认的编码方式需要通过sys.getfilesystemencoding()查看，通常是utf-8。u'中文'构造出来的是unicode类型，不是str类型。

# 查看字符串编码方式
>>> import sys
>>> print sys.getfilesystemencoding()
utf-8

>>> s1 = '中国'
>>> s2 = u'中国'
>>> type(s1)
<type 'str'>
>>> type(s2)
<type 'unicode'>

str类型和unicode类型分别有decode和encode函数。str.decode用来将str转为unicode，unicode.encode用来将unicdoe转为str。用法如下：

# decode
>>> s1.decode('utf8')
u'\u4e2d\u56fd'
>>> type(s1.decode('utf8'))
<type 'unicode'>

# encode
>>> s2.encode('utf8')
'\xe4\xb8\xad\xe5\x9b\xbd'
>>> type(s2.encode('utf8'))
<type 'str'>

2. 代码文件编码

py文件默认的编码是ASCII编码，中文显示时会进行ASCII编码到系统默认编码的转换，在运行Python文件时经常会报错。因此需要设置py文件的编码为utf-8。设置方式如下：

# _*_ coding: utf-8 _*_