Python中国的学习方式处理问题

a = '你们' 至 str 物
a = u'你们' 至 unicode 物

1.

>>> print 'u'  + '你们'
>>> u欢
输出乱码

2.

>>> print 'u'  + u'你'
>>> u你
正常

3.

>>> print 'u你'
>>> u浣

输出乱码

4.
>>> print 'u你' + 'u'
>>> u浣爑
输出乱码

5.

>>> print u'u你' + 'u'
>>> u你u
正常

6.

>>> print u'u你' + '你'
出现错误 UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)
分析：'你'在内存中 为 0xe4。而python默认的编码方案是ascii，ascii无法识别0xe4

7.

>>> print u'u你' + u'你'
>>> u你你
正常

8.
>>> print 'u你' + u'你'
出现错误 UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 1: ordinal not in range(128)

9.
>>> print 'u你'.decode('utf-8') + u'你'
>>> u你你
正常

10.
而在处理由系统採集的含有中文的路径时，使用string.decode('utf-8')就不一定行了，由于中文简体的windows系统默认编码为gb2312，繁体中文版会採用Big5码
实验步骤例如以下：
file_from = sys.argv[1] 为由系统採集的包括中文的路径
file_to = file_from[:file_from.rfind('\')+1].decode('utf-8')  + u'你_' + file_from[file_from.rfind('\')+1:].decode('utf-8')

print file_to

将出现错误：UnicodeDecodeError: 'utf8' codec can't decode byte 0xbb in position 24: invalid start byte

应该使用：decode('gb2312')
file_to = file_from[:file_from.rfind('\')+1].decode('gb2312')  + u'你_' + file_from[file_from.rfind('\')+1:].decode('gb2312') 

print file_to 正常

11.

而假设file_from是由你自己写入的包括中文的路径，如file_from = ‘c:你.txt’

那么就应该用decode('utf-8')

能够參考上面的第7点和第9点

不足及错误之处，请批评指正！！谢谢！

。

參考文章：

Why you benefit from using UTF-8 Unicode everywhere in your web applications

Python "'ascii' codec can't decode byte" explained and how to solve it

Windows 记事本的 ANSI、Unicode、UTF-8 这三种编码模式有什么差别？

版权声明：本文博主原创文章，博客，未经同意不得转载。