python中 截取中文 字符串乱码

python对于string的截取是 str[start,end]

但是中文字符却显示乱码，让人莫名奇妙的。这个坑琢磨了半天，解决办法是改为unicode格式。

unicode格式与str格式的转换关系参考

 

乱码问题引申 python 中string和unicode

 

一 string类型的字符串拼接

先查看英文，可以看到他们截取是正确的。

 

 

inter='hello world'

repr(inter)

list(inter)

inter[2:4]

 

 

当存在中文字符时，却不能正确解析了，

 

zw='静夜思abc d'

repr(zw)

list(zw)

zw[2:5]#截取字符串

zw[1:4]

 

 

查看一下控制台的编码格式，可以看到是utf-8编码。当然，str还可以用其他编码。

import charade

det=charade.detect(zw)

print det

{'confidence': 0.87625, 'encoding': 'utf-8'}

页面是用utf-8编码的。

 

解决方法，使用unicode进行编码。下面看看他们之间的区别

二 unicode类型的字符串拼接

当为英文时，区别不大

 

 

en=u'hello'

repr(en)

list(en)

en[2:3]

 

中文夹杂英文时，能查看出，list是按字拆分的

 

 

zw=u'静夜思ab d'

repr(zw)

list(zw)

zw[2:3]

 

由此可以看出转换为unicode进行截取正确，但在跟其他字符进行拼接时，需要注意字符串类型问题，str+unicode会报错~