Python字符编码转换秘诀

encode 和 decode在pyhton 中的意义可表示为

encode

unicode -------------------------> str

unicode <--------------------------str

decode

几种常用法：

str_string.decode('codec') 是把str_string转换为unicode_string, codec是源str_string的编码方式

unicode_string.encode('codec') 是把unicode_string 转换为str_string，codec是目标str_string的编码方式

str_string.decode('from_codec').encode('to_codec') 可实现不同编码的str_string之间的转换

比如：

>>> t='长城'

>>> t

'\xb3\xa4\xb3\xc7'

>>> t.decode('gb2312').encode('utf-8')

'\xe9\x95\xbf\xe5\x9f\x8e'

str_string.encode('codec') 是先调用系统的缺省codec去把str_string转换为unicode_string，然后用encode的参数codec去转换为最终的str_string. 相当于str_string.decode('sys_codec').encode('codec')。

unicode_string.decode('codec') 基本没有意义，unicode 在python里只用一种unicode编码，UTF16或者UTF32（编译python时就已经确定)，没有编码转换的需要。

注：缺省codec在site-packages下的sitecustomize.py文件中指定，比如

import sys

sys.setdefaultencoding('utf-8')