Python: 终于解决了编码问题

我个人喜好的Python编辑器是Ulipad，在解析网页的时候，经常会遇到乱码的问题，虽说Windows下Python处理中文一直有各种问题和各种答案。却不适合我的。

最近搜索下来，终于找到了其中的奥秘。Ulipad的默认编码是cp936，可以用以下办法得知

import locale
print locale.getdefaultlocale()[1]

之前试图用重新设置默认编码的方法，没有解决编码问题：

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

必须在得到你的字符串之后，先decode到你的文本编辑器默认编码，再encode到你的设置的系统默认编码。

title.decode(sys.getdefaultencoding()).encode(locale.getdefaultlocale()[1])

为什么Python使用过程中会出现各式各样的乱码问题，明明是中文字符却显示成“\xe4\xb8\xad\xe6\x96\x87”的形式？
字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。

encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。

因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成unicode，然后再encode成其他编码。

代码中字符串的默认编码与代码文件本身的编码一致。

如：s='中文'

如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。

如果字符串是这样定义：s=u'中文'， 则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。

如果一个字符串已经是unicode了，再进行解码则将出错，因此通常要对其编码方式是否为unicode进行判断：

isinstance(s, unicode) #用来判断是否为unicode