Python2中文处理纪要

python2不是以unicode作为基本代码字符类型，碰到乱码的几率是远远高于python3，但即便如此，相信很多人，也不想随意的迁移到python3，这里就总结几个我平常碰到的问题及解法。

1. 文件中无法使用中文注释 处理方法： 在代码中增加# -*- coding=UTF-8 -*-，一般加在文件头部第一行，如果第一行是脚本标志，则放在第二行（实际仍然是python正本的第一行）。 随后将文件另存为UTF-8格式。 此方法可以解决注释中有中文，及字符串立即数中包含中文的问题。
2. unicode中文变量打印出来是乱码 处理方法： 文件开始引入扩展库的部分加入以下3行代码。 import sys reload(sys) sys.setdefaultencoding('utf-8')
3. utf-8 及 gbk互相转换 直接看代码： #utf-8字符串转换成GBK（GB2312及其它编码也是这样用） print str.decode('UTF-8').encode('GBK') #gbk转换成utf-8 print str.decode('GBK').encode('UTF-8')
4. 参数中的utf-8是用大写还是小写？ 通常大小写都可以，这不是python决定的，是系统的语言代码设定决定的。
5. 打开utf-8的文本文件 经过1、2的设置，正常直接打开就可以，文件是什么编码，读出来就是什么编码，个别仍有不行的可以使用扩展库codecs： import codecs ... with codecs.open(poetry_file, "r","utf-8") as f:
6. print打印出来的结构中的汉字是乱码 print仅打印一个utf-8的变量是不会有问题的，比如 a="汉字" print a #会正常显示 但是如果用了接续显示，比如： print a, #将会显示乱码 如果是其它结构，诸如dict / list / class等，都会出现乱码。 a = ["中文"，"测试"] print a #将会显示乱码 这种情况使用基本库没有什么好办法，只能循环逐个打印内容，比如： ... for item in items: print item 或者整合输出，比如：print ', '.join(a) 还可以使用第三方的包，比如： import uniout ... listnine = ['梨', '橘子', '苹果', '香蕉'] print 'listnine list: %s' % listnine
7. 变量本身显示正常，循环遍历出来的单个字符乱码 大多情况是因为字符串不是unicode编码。声明字符串的时候使用a = u'汉字'这样方式赋值的变量都是Unicode字符串，不会有问题。 如果是从外部传入的变量，源头情况又不知道，可以尝试转换成Unicode字符串： str=unicode(str,"utf-8");

嗯，差不多就这些，想到再补充。