(python学习心得) 字符编码转换
2014-02-16 11:14
489 查看
现在做的一个小工具,功能是:server端抓取网页内感兴趣的内容,传送给客户端(手机设备)。统一了传送内容的编码格式是utf-8的。
在抓取到的页面中,大部分都是gb2312的,因此需要转码为utf-8格式字串。思路是先将origin_str转换成unicode字符串mid_str,然后用目标码制对其编码可以得到result_str.
在这里记录下转码过程:
1:gb2312--〉utf-8: str.decode("gb2312").encode("utf-8")
x = "中国" # x = "\xd6\xd0\xb9\xfa", 两个字节表示一个汉字
y = x.decode("gb2312") # y = "\u4e2d\u56fd", unicode编码
z = y.encode("utf-8") # z = "\xe4\xb8\xad\xe5\x9b\xbd", utf-8编码(utf8中3个字节表示一个汉字)
2:utf-8 --> gb2312:
过程1的反过程。
转码之后,HTTP头content-type中的encoding就要改为“utf-8”了,客户端接收到传过来的z字符串对应的字节串,用utf-8编码,得到的就是汉字“中国”了。
ps:有可能gb2312的字串decode("gb2312")会抱错,这时候最好的解决方法是采用更大的字符集gb18030来解码。
在抓取到的页面中,大部分都是gb2312的,因此需要转码为utf-8格式字串。思路是先将origin_str转换成unicode字符串mid_str,然后用目标码制对其编码可以得到result_str.
在这里记录下转码过程:
1:gb2312--〉utf-8: str.decode("gb2312").encode("utf-8")
x = "中国" # x = "\xd6\xd0\xb9\xfa", 两个字节表示一个汉字
y = x.decode("gb2312") # y = "\u4e2d\u56fd", unicode编码
z = y.encode("utf-8") # z = "\xe4\xb8\xad\xe5\x9b\xbd", utf-8编码(utf8中3个字节表示一个汉字)
2:utf-8 --> gb2312:
过程1的反过程。
转码之后,HTTP头content-type中的encoding就要改为“utf-8”了,客户端接收到传过来的z字符串对应的字节串,用utf-8编码,得到的就是汉字“中国”了。
ps:有可能gb2312的字串decode("gb2312")会抱错,这时候最好的解决方法是采用更大的字符集gb18030来解码。
相关文章推荐
- python 学习心得
- python 中execl等表格操作学习心得
- 总结一下最近 Python 学习心得
- python3个人爬虫之:BeautifulSoup学习心得
- python 框架flask学习心得
- python初学者的学习心得(一)
- python学习心得
- python 学习心得
- python学习的一点心得
- [Python 学习]2.5版yield之学习心得 - limodou的学习记录 - limodou是一个程序员,他关心的焦点是Python, DocBook, Open Source …
- python 学习心得2011-9-23
- Python学习第一天心得体会!!!
- python SGMLParser学习的一点心得
- python学习心得笔记二
- python学习心得(3)— 小米应用商店APK爬取
- Python学习心得(六) 反射机制、装饰器
- Python学习初衷、心得
- Python学习心得(四) yield和三元运算以及lambda表达式
- 关于python元组的一些学习心得
- Java程序员学习Python第一天的心得