python 编码方式总结

python 编码方式总结（python内部使用unicode编码）：

    >>> t='北京'

>>> t

'\xe5\x8c\x97\xe4\xba\xac'

   1）urllib.quote(t) 将t转换为16进制编码

      '%E5%8C%97%E4%BA%AC'

  urllib.unquote('%E5%8C%97%E4%BA%AC') 将16进制编码转换为内部编码

      '\xe5\x8c\x97\xe4\xba\xac'

   2）decode的作用是将其他编码的字符串转换成unicode编码

>>> s= t.decode('utf-8')

>>> s

u'\u5317\u4eac'

>>> w=t.encode('utf-8')

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 0: ordinal not in range(128)

>>> w=s.encode('utf-8')

>>> w

'\xe5\x8c\x97\xe4\xba\xac'

>>> q=s.encode('gb2312')

>>> q

'\xb1\xb1\xbe\xa9'

首先要搞清楚，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编码的字符串转换成gb2312编码。 

在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。 

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WindowsXP上的控制台信息输出窗口是按照ascii编码输出的（英文系统的默认编码是ascii），而上面代码中的字符串是Unicode编码的，所以输出时产生了错误。 

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照ascii编码输出utf8编码的字符串的结果。 

另外，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，在这篇文章中可以看到如何获得系统的默认编码。 

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，和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：