Python中文乱码

结合网上的资料，现整理下：

字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

decode 解码,作用是将其他编码的字符串转换成unicode编码，如str1.decode(&＃39;gb2312&＃39;)，表示将gb2312编码的字符串str1转换成unicode编码。

encode 编码,作用是将unicode编码转换成其他编码的字符串，如str2.encode(&＃39;gb2312&＃39;)，表示将unicode编码的字符串str2转换成gb2312编码。

如果一个字符串已经是unicode了，再进行解码则将出错，因此通常要对其编码方式是否为unicode进行判断：

isinstance(s, unicode) #用来判断是否为unicode

用非unicode编码形式的str来encode会报错

如何获得系统的默认编码？

#!/usr/bin/python

#coding=utf-8

import sys

print sys.getdefaultencoding()

该段程序在英文WindowsXP上输出为：ascii

在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。

如在UliPad中运行如下代码：

s=u"中文" #指定为Unicode编码

print s

会提示：UnicodeEncodeError: &＃39;ascii&＃39; codec can&＃39;t encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP上的控制台信息输出窗口是按照ascii编码输出的（英文系统的默认编码是ascii），而上面代码中的字符串是Unicode编码的，所以输出时产生了错误。

将最后一句改为：print s.encode(&＃39;gb2312&＃39;)

则能正确输出“中文”两个字。

若最后一句改为：print s.encode(&＃39;utf8&＃39;)

则输出：\xe4\xb8\xad\xe6\x96\x87，这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。

unicode(str,&＃39;gb2312&＃39;)与str.decode(&＃39;gb2312&＃39;)是一样的，都是将gb2312编码的str转为unicode编码

使用str.__class__可以查看str的编码形式

原理说了半天，上代码：

#coding=utf-8

#!/usr/bin/python

s="中文"

if isinstance(s, unicode):

print s.encode(&＃39;gb2312&＃39;)

else:

print s.decode(&＃39;utf-8&＃39;).encode(&＃39;gb2312&＃39;)