Python中的str与unicode处理方法

转自：http://Python.jobbole.com/81244/

python2.x中处理中文，是一件头疼的事情。网上写这方面的文章，测次不齐，而且都会有点错误，所以在这里打算自己总结一篇文章。

我也会在以后学习中，不断的修改此篇博客。

这里假设读者已有与编码相关的基础知识,本文不再再次介绍，包括什么是utf-8，什么是unicode，它们之间有什么关系。

str与字节码

首先，我们完全不谈unicode。

Python

1	s = "人生苦短"

s是个字符串，它本身存储的就是字节码。那么这个字节码是什么格式的？如果这段代码是在解释器上输入的，那么这个s的格式就是解释器的编码格式，对于windows的cmd而言，就是gbk。如果将段代码是保存后才执行的，比如存储为utf-8，那么在解释器载入这段程序的时候，就会将s初始化为utf-8编码。# -*- coding:utf-8 -*- 声明文件编码的注释，否则python2.x会默认使用ASCII编码。

unicode与str

我们知道unicode是一种编码标准，具体的实现标准可能是utf-8，utf-16，gbk ……python 在内部使用两个字节来存储一个unicode，使用unicode对象而不是str的好处，就是unicode方便于跨平台。你可以用如下两种方式定义一个unicode:Python

1 2	s1=u"人生苦短" s2=unicode("人生苦短","utf-8")

Pytho

文件头声明编码的作用。

这要感谢这篇博客关于python文件头部分知识的讲解。

顶部的:# -*- coding: utf-8 -*-目前看来有三个作用。
如果代码中有中文注释，就需要此声明
比较高级的编辑器（比如我的emacs），会根据头部声明，将此作为代码文件的格式。
程序会通过头部声明，解码初始化 u”人生苦短”，这样的unicode对象，（所以头部声明和代码的存储格式要一致

待完善

参考网址：http://blog.csdn.net/vickyrocker1/article/details/50952095