最近在使用 Python3.4 做一些腳本實(shí)現(xiàn)，發(fā)現(xiàn)對(duì)于編碼的處理上和 Python2.6 有很大的不同，就此機(jī)會(huì)把相關(guān)知識(shí)做個(gè)梳理，方便需要的時(shí)候查閱。

創(chuàng)新互聯(lián)公司是專業(yè)的碾子山網(wǎng)站建設(shè)公司，碾子山接單;提供成都網(wǎng)站制作、成都做網(wǎng)站,網(wǎng)頁設(shè)計(jì),網(wǎng)站設(shè)計(jì),建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行碾子山網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊(duì),希望更多企業(yè)前來合作!

先說下概念和差異：

腳本字符編碼：就是解釋器解釋腳本文件時(shí)使用的編碼格式，可以通過 # -\*- coding: utf-8 -\*- 顯式指定
解釋器字符編碼：解釋器內(nèi)部邏輯過程中對(duì) str 類型進(jìn)行處理時(shí)使用的編碼格式
Python2 中默認(rèn)把腳步文件使用 ASCII 來處理(歷史原因請(qǐng) Google)
Python2 中字符串除了 str 還有 Unicode，可以用 decode 和 encode 相互轉(zhuǎn)換
Python3 中默認(rèn)把腳步文件使用 UTF-8 來處理(終于默認(rèn)就支持中文了，贊)
Python3 中文本字符和二進(jìn)制分別使用 str 和 bytes 進(jìn)行區(qū)分，也是使用 decode 和 encode 進(jìn)行相互轉(zhuǎn)換

關(guān)于默認(rèn)腳本字符編碼，因?yàn)閷?duì)腳步文件處理的默認(rèn)編碼格式變了，所以很多針對(duì)內(nèi)容的處理，都發(fā)生了變化，比如下面這個(gè)腳本。

import sys

print(sys.getdefaultencoding())
print('中文')

使用 Python3.4 解釋器運(yùn)行結(jié)果如下：

> python34 test.py
utf-8
中文

使用 Python2.6 解釋器運(yùn)行結(jié)果如下：

> python26 test.py
  File "test.py", line 4
SyntaxError: Non-ASCII character '\xe4' in file test.py on line 4, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

使用 Python2.6 報(bào)錯(cuò)就是因?yàn)榈谝粭l說的「Python2 中默認(rèn)把腳步文件使用 ASCII 來處理」，但是腳步文件包含了中文，ascii 又沒有覆蓋中文，所以報(bào)錯(cuò)。如果我們把腳步稍作修改：

# -*- coding: utf-8 -*-

import sys

print(sys.getdefaultencoding())
print('中文')

增加了腳本字符編碼的說明，再次使用 Python2.6 解釋器運(yùn)行結(jié)果為：

> python26 test.py
ascii
涓枃

因?yàn)槊鞔_指定了腳步文件編碼格式為 utf-8，所以讀取沒問題，也就是說如果 Python2 腳本文件中包含了非 ASCII 字符時(shí)，一定要顯式指定腳步文件編碼格式，對(duì)于 Python3 因?yàn)槟J(rèn)的腳步文件編碼格式就是 utf-8，所以沒有這個(gè)問題(后面會(huì)有文章詳細(xì)討論這個(gè)問題)。

但是我們回頭看下剛才的輸出，結(jié)果顯示為亂碼。

亂碼就涉及到另一個(gè)我們要說的不同點(diǎn)解釋器字符編碼，因?yàn)槲覀兌x了 utf-8 格式讀取腳步內(nèi)容，但是因?yàn)?Python2.6 在 Windows 平臺(tái)上，默認(rèn)是使用 gbk 對(duì)字符進(jìn)行 decode 輸出，不信你看：

> python26
ActivePython 2.6.6.15 (ActiveState Software Inc.) based on
Python 2.6.6 (r266:84292, Aug 24 2010, 16:01:11) [MSC v.1500 32 bit (Intel)] on
win32
Type "help", "copyright", "credits" or "license" for more information.
>>> s='中文'
>>> s
'\xd6\xd0\xce\xc4'
>>> s.decode('gbk').encode('utf-8')
'\xe4\xb8\xad\xe6\x96\x87'
>>> print('\xd6\xd0\xce\xc4')
中文
>>> print('\xe4\xb8\xad\xe6\x96\x87')
涓枃

完整描述下上面亂碼出現(xiàn)的過程：
使用指定的腳本文件編碼 utf-8 格式讀取了「中文」，讀取到的字符串內(nèi)容為 '\xe4\xb8\xad\xe6\x96\x87'，然后輸出時(shí) Python2.6 的解釋器使用默認(rèn)解釋器字符編碼 gbk 格式對(duì)讀取內(nèi)容進(jìn)行 encode 輸出，但是之前 utf-8 是 3 個(gè)字節(jié)長(zhǎng)度表示一個(gè)中文，而 gbk 是用 2 個(gè)字節(jié)長(zhǎng)度來表示中文，所以之前的 2 個(gè)中文，在輸出的時(shí)候就按照 3 個(gè)中文進(jìn)行編碼(encode)，當(dāng)然就亂碼了，仔細(xì)看那個(gè)亂碼，就是 3 個(gè)字。

我們?cè)儆么a驗(yàn)證下上面說的內(nèi)容：

# -*- coding: utf-8 -*-

import sys

print(sys.getdefaultencoding())
print('中文')
print('\xe4\xb8\xad\xe6\x96\x87')
print('\xe4\xb8\xad\xe6\x96\x87'.decode('gbk', 'ignore'))
print('\xd6\xd0\xce\xc4'.decode('gbk').encode('utf-8'))
print('中文'.decode('utf-8'))
print('\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8'))
print('\xd6\xd0\xce\xc4')
print('\xd6\xd0\xce\xc4'.decode('gbk'))

看看輸出結(jié)果：

> python26 test.py
ascii
涓枃
涓枃
涓枃
涓枃
中文
中文
中文
中文

很明顯 gbk 格式解碼的十六進(jìn)制字符正常輸出為中文了，顯式使用 utf-8 對(duì) utf-8 格式的十六進(jìn)制字符進(jìn)行 decode 也輸出正常了。

同理，還可以看到另外 2 個(gè)現(xiàn)象：

把 py 文件用 utf-8 格式存儲(chǔ)，并且包含「中文」字樣時(shí)，如果使用 gbk 格式打開，也是看到「中文」顯示的亂碼和上面程序輸出的一致；
如果把 py 文件使用 gbk 格式存儲(chǔ)，這時(shí)候 print('中文') 也顯示正常了；

亂碼的終極原因就是：對(duì)同一個(gè)字符串的 encode 和 decode 編碼格式不一致。

上面說的這個(gè)問題，如果文件存儲(chǔ)和腳本文件編碼都使用 utf-8 時(shí)，使用 Python3.4 是沒有問題的，因?yàn)?Python3 默認(rèn)的解釋器字符編碼是 utf-8 了，默認(rèn)就可以處理中文了。

總結(jié)下結(jié)論：

1. Python2 腳步文件盡量使用 gbk 格式存儲(chǔ)；同理 Python3 腳步文件盡量使用 utf-8 格式存儲(chǔ)；
2. Python2 腳步如果帶有中文字符時(shí)，請(qǐng)務(wù)必在腳本開頭聲明能支持中文的腳本文件編碼；
3. Python2 中對(duì)同一個(gè)字符串的 encode 和 decode 編碼格式請(qǐng)保持一致；

說明：本次所有測(cè)試腳本文件均保存為 utf-8 格式

本文原創(chuàng)發(fā)布于公眾號(hào)「sylan215」，十年測(cè)試?yán)媳脑瓌?chuàng)干貨，關(guān)注我，漲姿勢(shì)！