Python乱码，编码，repr，encode，decode探究
浏览数：40 /
时间：2015年06月08日
#encoding:utf-8
#用命令行执行
s = ‘百度‘
print s # 输出环境为gbk，编码为utf-8，输出乱码
print s.decode(‘utf-8‘) # => 发现输出环境为gbk，自动转换
print s.decode(‘utf-8‘).encode(‘utf-8‘) # 输出环境为gbk，编码为utf-8，输出乱码
print s.decode(‘utf-8‘).encode(‘gbk‘) # 输出环境为gbk，编码为gbk，正常输出
# s = 0xF21938274ABDS... 二进制内存
# 把这些内存数据转化为可显示的字符串就是repr(s)的print结果，不可显示的字符变为如\x，
# repr(s) 并非这些内存数据，也并非内存数据按char解释成可显示的字符。
# repr(s) 的意义是 print repr(s)的到的结果，是内存数据按char解释成可现实的字符
# 如设 s = 0x24 = ‘\n‘, 则 print repr(s) => ‘\n‘, repr(s)为‘\\n‘ (因为要显示\)
#
# s 的内存数据按照一定编码解释，可以得到正确意义
# 若s是按照utf-8编码的 ‘哈哈‘，用utf-8解释就可以得到 ‘哈哈‘ 的意义
# 在python中把s按照 xyz 编码解释，就是 s.decode(xyz)
# s.decode(xyz) 在python中得到一个变量，不关心它的内存表示，也许就是『数据+编码方式』
# 无论在内存中如何表示，这个变量的抽象意义可以提取出，我们就认为它是抽象的 ‘哈哈‘
# 一个解释后的字符串，可以转换其编码，就是意义不变，编码方式变，得到不同的二进制数据
# cmd的输出环境为gbk，utf-8编码的二进制数据直接在cmd里print会得到乱码
# 将utf-8编码的数据先用utf-8格式解码出意义，再将其编码为gbk二进制数据，在cmd输出正常
# 将utf-8编码的数据先用utf-8格式解码出意义，直接输出，python会自动检测输出环境
# 将知道意义的字符串按照输出环境自动解码
# python中#encoding:xxx是说明在python代码按照什么格式解码
# 一般不同的编码英文都相同可以识别
# 而文件在编辑时是与编辑器交互，编辑时我们看到的是意义，编辑器使用一种编码保存代码意义
# 代码意义被编辑器保存成二进制数据文件在存储器里
# 代码文件被python解释器执行时，会查找其中#encoding:xxx，确定代码格式编码
# 如果代码中声明的编码方式和文件保存的编码方式不同，除了英文字符，其他很可能出错
# 以为python解释器用B编码去解释编辑器用A编码保存的意义
# 一般来说中文的不同编码方式都不兼容，所以不同编码的解释会导致乱码
# 通俗解释
# 我们用来交流的都是语言的意义，不同编码相当于不同文字的书写，都是用来保存意义
# 拿到一段文字，按英语语法解释就是将其用英语格式解码。python中decode
# 心理想一段话，按中文写下来就是将其用中文编码保存。python中encode
# 我们与输入输出交互的是意义，如果其输出不是乱码，表示意义交互成功，否则失败
# 编码方式是不同软件 解释器，文件编辑器，cmd命令行 它们使用的语言。
# 也就是我们要让这些软件成功的交流，在他们可能使用不同语言情况下。
# 这样，我们把意义传给编辑器，编辑器用A语言书写，解释器就要用A语言阅读。
# 而cmd输出需要用B语言，解释器就要把A语言的文字转化成意义，在转化成B语言给cmd
# cmd拿到B语言的文字，可以翻译出它的意义，显示在屏幕上，也就是没有乱码的输出结果
# 所以，上面的代码如果不在cmd在其他python IDE里执行，可能得到结果不同
# 因为cmd会的是gbk "语言"，而其他的python IDE可能直接会utf-8，那乱码出现的情况就不同
#用命令行执行
s = ‘百度‘
print s # 输出环境为gbk，编码为utf-8，输出乱码
print s.decode(‘utf-8‘) # => 发现输出环境为gbk，自动转换
print s.decode(‘utf-8‘).encode(‘utf-8‘) # 输出环境为gbk，编码为utf-8，输出乱码
print s.decode(‘utf-8‘).encode(‘gbk‘) # 输出环境为gbk，编码为gbk，正常输出
# s = 0xF21938274ABDS... 二进制内存
# 把这些内存数据转化为可显示的字符串就是repr(s)的print结果，不可显示的字符变为如\x，
# repr(s) 并非这些内存数据，也并非内存数据按char解释成可显示的字符。
# repr(s) 的意义是 print repr(s)的到的结果，是内存数据按char解释成可现实的字符
# 如设 s = 0x24 = ‘\n‘, 则 print repr(s) => ‘\n‘, repr(s)为‘\\n‘ (因为要显示\)
#
# s 的内存数据按照一定编码解释，可以得到正确意义
# 若s是按照utf-8编码的 ‘哈哈‘，用utf-8解释就可以得到 ‘哈哈‘ 的意义
# 在python中把s按照 xyz 编码解释，就是 s.decode(xyz)
# s.decode(xyz) 在python中得到一个变量，不关心它的内存表示，也许就是『数据+编码方式』
# 无论在内存中如何表示，这个变量的抽象意义可以提取出，我们就认为它是抽象的 ‘哈哈‘
# 一个解释后的字符串，可以转换其编码，就是意义不变，编码方式变，得到不同的二进制数据
# cmd的输出环境为gbk，utf-8编码的二进制数据直接在cmd里print会得到乱码
# 将utf-8编码的数据先用utf-8格式解码出意义，再将其编码为gbk二进制数据，在cmd输出正常
# 将utf-8编码的数据先用utf-8格式解码出意义，直接输出，python会自动检测输出环境
# 将知道意义的字符串按照输出环境自动解码
# python中#encoding:xxx是说明在python代码按照什么格式解码
# 一般不同的编码英文都相同可以识别
# 而文件在编辑时是与编辑器交互，编辑时我们看到的是意义，编辑器使用一种编码保存代码意义
# 代码意义被编辑器保存成二进制数据文件在存储器里
# 代码文件被python解释器执行时，会查找其中#encoding:xxx，确定代码格式编码
# 如果代码中声明的编码方式和文件保存的编码方式不同，除了英文字符，其他很可能出错
# 以为python解释器用B编码去解释编辑器用A编码保存的意义
# 一般来说中文的不同编码方式都不兼容，所以不同编码的解释会导致乱码
# 通俗解释
# 我们用来交流的都是语言的意义，不同编码相当于不同文字的书写，都是用来保存意义
# 拿到一段文字，按英语语法解释就是将其用英语格式解码。python中decode
# 心理想一段话，按中文写下来就是将其用中文编码保存。python中encode
# 我们与输入输出交互的是意义，如果其输出不是乱码，表示意义交互成功，否则失败
# 编码方式是不同软件 解释器，文件编辑器，cmd命令行 它们使用的语言。
# 也就是我们要让这些软件成功的交流，在他们可能使用不同语言情况下。
# 这样，我们把意义传给编辑器，编辑器用A语言书写，解释器就要用A语言阅读。
# 而cmd输出需要用B语言，解释器就要把A语言的文字转化成意义，在转化成B语言给cmd
# cmd拿到B语言的文字，可以翻译出它的意义，显示在屏幕上，也就是没有乱码的输出结果
# 所以，上面的代码如果不在cmd在其他python IDE里执行，可能得到结果不同
# 因为cmd会的是gbk "语言"，而其他的python IDE可能直接会utf-8，那乱码出现的情况就不同
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
