解决Python中文乱码问题方法总结
本文总结了Python中常见的中文乱码问题及解决方法，涵盖SyntaxError、UnicodeDecodeError和UnicodeEncodeError等典型错误。文章详细解释了decode与encode的工作原理，分析了IDE控制台输出限制，并提供了针对特定环境（如UliPad、Windows XP）的编码转换代码示例，包括处理网页内容时的编码转换策略。
在运行类似以下的代码时：
#!/usr/bin/env pythons="中文"print s近期常遇到以下问题：
问题一：
SyntaxError: Non-ASCII character '\xe4' in file E:\coding\python\Untitled 6.py on line 3, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details
问题二：
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 108: ordinal not in range(128)
问题三：
UnicodeEncodeError: 'gb2312' codec can't encode character u'\u2014' in position 72366: illegal multibyte sequence
上述问题均与字符编码有关，令人困扰的是中文处理往往难以成功。经过多方查找方案，这里分享一些近期找到的解决方法，供参考。
Python内部字符串以Unicode编码表示，因此在转换编码时，通常需以Unicode作为中间编码：先将其他编码的字符串解码（decode）为Unicode，再从Unicode编码（encode）为另一种编码。
decode的作用是将其他编码的字符串转换为Unicode编码，例如str1.decode('gb2312')表示将gb2312编码的字符串str1转换为Unicode编码。
encode的作用是将Unicode编码转换为其他编码的字符串，例如str2.encode('gb2312')表示将Unicode编码的字符串str2转换为gb2312编码。
在某些IDE中，字符串输出可能出现乱码甚至错误，这通常是因为IDE的结果输出控制台无法显示字符串的编码，而非程序本身的问题。
例如在UliPad中运行如下代码：
s=u"中文"print s会提示：
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
这是因为UliPad在英文Windows XP系统上的控制台信息输出窗口按ASCII编码输出（英文系统默认编码为ASCII），而上述代码中的字符串是Unicode编码，因此输出时产生错误。
将最后一句改为：print s.encode('gb2312')
则能正确输出“中文”两个字。
若最后一句改为：print s.encode('utf8')
则输出：\xe4\xb8\xad\xe6\x96\x87，这是控制台信息输出窗口按ASCII编码输出UTF-8编码字符串的结果。
下面代码可能较为通用，如下：
#!/usr/bin/env python #coding=utf-8 s="中文"if isinstance(s,unicode): #s=u"中文" print s.encode('gb2312') else: #s="中文" print s.decode('utf-8').encode('gb2312')#!/usr/bin/env python#coding=utf-8s="中文"if isinstance(s,unicode): #s=u"中文" print s.encode('gb2312')else: #s="中文" print s.decode('utf-8').encode('gb2312')看看下面一段代码：
#!/usr/bin/env python #coding=utf-8 #python version:2.7.4 #system:windows xp import httplib2def getPageContent(url): ''''' 使用httplib2用编程的方式根据url获取网页内容 将bytes形式的内容转换成utf-8的字符串 ''' #使用ie9的user-agent，如果不设置user-agent将会得到403禁止访问 headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)', 'cache-control':'no-cache'} if url: response,content= httplib2.Http().request(url,headers=headers) if response.status== 200 : return content
import sys reload(sys) sys.setdefaultencoding('utf-8') #修改默认编码方式，默认为ascci print sys.getdefaultencoding() content= getPageContent("http://www.oschina.net/")print content.decode('utf-8').encode('gb2312')#!/usr/bin/env python#coding=utf-8#python version:2.7.4#system:windows xpimport httplib2def getPageContent(url): ''' 使用httplib2用编程的方式根据url获取网页内容 将bytes形式的内容转换成utf-8的字符串 ''' #使用ie9的user-agent，如果不设置user-agent将会得到403禁止访问 headers={'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)', 'cache-control':'no-cache'} if url: response,content= httplib2.Http().request(url,headers=headers) if response.status== 200 : return content
import sysreload(sys)sys.setdefaultencoding('utf-8') #修改默认编码方式，默认为ascciprint sys.getdefaultencoding()content= getPageContent("//www.jb51.net/")print content.decode('utf-8').encode('gb2312')上述代码的含义是向www.jb51.net网站请求其主页（若直接为UTF-8编码，无法输出中文）。尝试将编码方式从UTF-8转换为GB2312时，出现“问题三”。
当我将print content.decode('utf-8').encode('gb2312')改为print content.decode('utf-8').encode('gb2312', ‘ignore')时，问题解决了，可以显示中文了，但不确定是否完全适用，似乎仅部分情况有效，有些内容无法使用GB2312编码。
然而，当把网站换成www.soso.com时，无需转换为GB2312，使用UTF-8即可正常显示中文。
总结一下：
向文件直接输出ss会抛出同样的异常。在处理Unicode中文字符串时，必须首先调用encode函数，转换为其他编码输出。这一点对各环境均适用。在Python中，“str”对象是一个字节数组，至于其中的内容是否为合法字符串，以及采用何种编码（GBK、UTF-8、Unicode）并不重要，这些内容需由用户自行记录和判断。这些限制同样适用于“unicode”对象。需记住，“unicode”对象中的内容绝对不一定是合法的Unicode字符串，我们很快会看到这种情况。在Windows控制台上，支持GBK编码的str对象和Unicode编码的unicode对象。
更多关于解决Python中文乱码问题方法总结的文章请查看下面的相关链接
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
