python+Eclipse中文环境配置

关于编辑环境编码
首先要确保eclipse编辑器环境的编码为utf8，这个是大前提；其次如果py文件中含有中文字符的话，需要在py文件中对编码进行声明。
1. 修改eclipse编辑器编码

a) window->preferences->general->editors->text editors->spelling->encoding->UTF-8
b) window->preferences->workspace->text file encoding->UTF-8
c) 打开eclipse安装目录->eclipse.ini，末行加上”-Dfile.encoding=UTF-8”

2. 修改python文件编码声明
在py文件首行加上#coding=utf-8，一定要在首行才可以

关于网页字符编码
完成以上两点，对本地中文字符处理没有问题了。但是有时我们需要处理网页上的中文字符，比如读取网页、对网页内容进行抓取，那么仅仅做到上面两点是不够了。还需要用到decode和encode

decode与encode 是一对相反的方法。decode是解码，比如网页采用的是gb2312编码格式，那么通过read()方法读取页面内容之后，使用str.decode(‘gb2312′)就是将页面内容解码为unicode编码；encode正好相反，它是将unicode编码为指定的格式，如果之前已经通过decode解码为unicode，str.encode(‘utf8′)即将str编码为utf8格式。

所以自然我们就有了在eclipse中正确显示网页内容的方法。比如网页采用的gb2312编格式，eclipse环境已经调整为utf8编码，如果直接read()出来，在eclipse中显示的是乱码；如果在read()之后加一道工序，显示就正常了，如下:

1	html = f . read ( ) . decode ( 'gb2312' ) . encode ( 'utf8' )

使用Python抓取网页点这里

本文固定链接: http://robin.sh/html/733_python-eclipse-encoding.html | Robin