Python2中文處理紀要的實現(xiàn)方法

python2不是以unicode作為基本代碼字符類型，碰到亂碼的幾率是遠遠高于python3，但即便如此，相信很多人，也不想隨意的遷移到python3，這里就總結(jié)幾個我平常碰到的問題及解法。

1、文件中無法使用中文注釋

處理方法：

在代碼中增加 # -*- coding=UTF-8 -*- ，一般加在文件頭部第一行，如果第一行是腳本標志，則放在第二行（實際仍然是python正本的第一行）。

隨后將文件另存為UTF-8格式。

此方法可以解決注釋中有中文，及字符串立即數(shù)中包含中文的問題。

2、unicode中文變量打印出來是亂碼

處理方法：

文件開始引入擴展庫的部分加入以下3行代碼。

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

3、utf-8 及 gbk互相轉(zhuǎn)換

直接看代碼：

#utf-8字符串轉(zhuǎn)換成GBK（GB2312及其它編碼也是這樣用）
print str.decode('UTF-8').encode('GBK')
#gbk轉(zhuǎn)換成utf-8
print str.decode('GBK').encode('UTF-8')

4、參數(shù)中的utf-8是用大寫還是小寫？

通常大小寫都可以，這不是python決定的，是系統(tǒng)的語言代碼設(shè)定決定的。

5、打開utf-8的文本文件

經(jīng)過1、2的設(shè)置，正常直接打開就可以，文件是什么編碼，讀出來就是什么編碼，個別仍有不行的可以使用擴展庫codecs：

import codecs
...
with codecs.open(poetry_file, "r","utf-8") as f:

6、print打印出來的結(jié)構(gòu)中的漢字是亂碼

print僅打印一個utf-8的變量是不會有問題的，比如

a="漢字"
print a
#會正常顯示

但是如果用了接續(xù)顯示，比如：

print a,
#將會顯示亂碼

如果是其它結(jié)構(gòu)，諸如dict / list / class等，都會出現(xiàn)亂碼。

a = ["中文"，"測試"]
print a
#將會顯示亂碼

這種情況使用基本庫沒有什么好辦法，只能循環(huán)逐個打印內(nèi)容，比如：

...
for item in items:
print item

或者整合輸出，比如： print ', '.join(a)

還可以使用第三方的包，比如：

import uniout
...
listnine = ['梨', '橘子', '蘋果', '香蕉']
print 'listnine list: %s' % listnine

7、變量本身顯示正常，循環(huán)遍歷出來的單個字符亂碼

大多情況是因為字符串不是unicode編碼。聲明字符串的時候使用 a = u'漢字' 這樣方式賦值的變量都是Unicode字符串，不會有問題。

如果是從外部傳入的變量，源頭情況又不知道，可以嘗試轉(zhuǎn)換成Unicode字符串：

str=unicode(str,"utf-8");

嗯，差不多就這些，想到再補充。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。