Python2的默认编码ASCII,这是python编码问题的根本原因,可以想象,python3的编码问题肯定没有那么多。
初级的解决方案是:
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
此方法是将Python2的默认编码ASCII改为 utf-8。但此方法不是一劳永逸的,可能会使一些代码的行为变得怪异,可以参考该链接
http://blog.ernest.me/post/python-setdefaultencoding-unicode-bytes
参考的博客:https://www.cnblogs.com/technologylife/p/6071787.html
但是此链接无效,记录下自己遇到的方法及解决方案。
- 腾讯漫画爬虫,对于爬取下来的章节介绍,部分符号编码出错,原因的该类符号可能为GBK的编码,转utf-8的时候出错。
于是将先将字段转unicode格式,遇到/xo (记得不清楚了,空格)之类情况,因为两者编码类型不一样,于是转换的时候存在问题。(最后的解决方法,对文件/x0之类的字符进行替换 两种思路,一种替换为空 ,一种替换为对于正确字符)
2.python 乱码的大部分原因记录
即使使用了上面的方法,对于直接输入中文,不同的编辑器设置,显示的结果也会不同,虽然想说终极解决方案,但是实际上还是出现了各种古怪的问题,该方法只能对付大部分场景。
#coding=utf-8
import sys
import json
import requests
reload(sys)
sys.setdefaultencoding('utf-8')
with open("测试.txt","w") as f:
f.write("嘿嘿 , 123")
上面是我测试的代码,生成的文件的名称为 娴嬭瘯.txt 直接乱码,如果要生成正常的编码,改为"测试.txt".decode("utf-8")
上面的情况是个人的特殊情况,因为使用的编码器是pycharm,编码类型为 global encoding utf-8 project encoding gbk,对于该.py文件来说,编码格式为GBK,而对于python来说,编码格式为utf-8。最后的结果就是utf-8直接转GBK。
上面其实真正正确的写法是: "测试.txt".decode("utf-8").encode("GBK")
3.查看字符串的编码格式
还是上面的代码 编辑器格式是GBK,repr可以输出原始的编码格式
print repr("你好".decode("utf-8"))
print repr("你好".decode("utf-8").encode("GBK"))
print repr("你好")
输出
u'\u4f60\u597d' # unicode
'\xc4\xe3\xba\xc3' #GBK
'\xe4\xbd\xa0\xe5\xa5\xbd' #utf-8
unicode 单个编码 GBK 两个编码 utf-8 3个编码,通过看编码的个数,可以大概判断编码的类型从而使用相应的格式进行转换。
4.编码格式代码输出
s = u'\u4eba\u751f\u82e6\u77ed\uff0cpy\u662f\u5cb8'
print s
输出:人生苦短,py是岸
s = s.decode('unicode_escape')
print s
输出:人生苦短,py是岸
对于爬虫或者传输的是编码类型字符串的时候,可以用上面的方式进行转换