Python 字符编码转换要点

Python 字符编码转换要点

python 有str object 和 unicode object 两种字符串, 都可以存放字符的字节编码，但是他们是不同的type，这一点很重要，也是为什么会有encode 和decode。

encode 和 decode在pyhton 中的意义可表示为

encode
unicode -------------------------> str
unicode <--------------------------str
decode
几种常用法：
str_string.decode('codec') 是把str_string转换为unicode_string, codec是源str_string的编码方式
unicode_string.encode('codec') 是把unicode_string 转换为str_string，codec是目标str_string的编码方式
str_string.decode('from_codec').encode('to_codec') 可实现不同编码的str_string之间的转换
比如：



>>>
t
=
'
长城
'



>>>
t



'
\xb3\xa4\xb3\xc7
'



>>>
t.decode(
'
gb2312
'
).encode(
'
utf-8
'
)



'
\xe9\x95\xbf\xe5\x9f\x8e
'

str_string.encode('codec') 是先调用系统的缺省codec去把str_string转换为unicode_string，然后用encode的参数codec去转换为最终的str_string. 相当于str_string.decode('sys_codec').encode('codec')。

unicode_string.decode('codec') 基本没有意义，unicode 在python里只用一种unicode编码，UTF16或者UTF32（编译python时就已经确定)，没有编码转换的需要。

注：缺省codec在site-packages下的sitecustomize.py文件中指定，比如



import
sys


sys.setdefaultencoding(
'
utf-8
'
)

参考资料：http://blog.csdn.net/lf8289/article/details/2465196