python解决汉字编码问题:Unicode Decode Error
作者:渔人 时间:2022-12-18 21:22:53
前言
最近由于项目需要,需要读取一个含有中文的txt文档,完了还要保存文件。文档之前是由base64编码,导致所有汉字读取显示乱码。项目组把base64废弃之后,先后出现两个错误:
ascii codec can't encode characters in position ordinal not in range 128
UnicodeDecodeError: ‘utf8' codec can't decode byte 0x。
如果对于ascii、unicode和utf-8还不了解的小伙伴,可以看之前的这篇文章关于字符串和编码
那么必须对下面这三个概念有所了解:
ascii只能表示数字、英文字母和一些特殊符号,不能表示汉字
unicode和utf-8都可以表示汉字,unicode是固定长度,utf-8是可变长度
内存中存储方式一般为unicode,而磁盘文件存储方式一般为utf-8,因为utf-8可以节约存储空间
那么python的默认编码是什么?
>>> import sys
>>> sys.getdefaultencoding()
'ascii'
>>> reload(sys)
<module 'sys' (built-in)>
>>> sys.setdefaultencoding('utf-8')
>>> sys.getdefaultencoding()
'utf-8'
python的默认编码是ascii,可以通过sys.setdefaultencoding('utf-8')
函数设置python的默认编码。
python中可以通过encode和decode的方式改变数据的编码,比如:
>>> u'汉字'
u'\u6c49\u5b57'
>>> u'汉字'.encode('utf-8')
'\xe6\xb1\x89\xe5\xad\x97'
>>> u'汉字'.encode('utf-8').decode('utf-8')
u'\u6c49\u5b57'
我们可以通过这两个函数设置编码。
那么,python中的str是什么类型?
>>> import binascii
>>> '汉字'
'\xba\xba\xd7\xd6'
>>> type('汉字')
<type 'str'>
>>> print binascii.b2a_hex('汉字')
babad7d6
>>> print binascii.b2a_hex(u'汉字')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in
position 0-1: ordinal not in range(128)
>>> print binascii.b2a_hex(u'汉字'.encode('utf-8'))
e6b189e5ad97
>>> print binascii.b2a_hex(u'汉字'.encode('gbk'))
babad7d6
binascii是将数据的二进制转换成ascii,上面的解释是:‘汉字'的类型是str,二进制是babad7d6,u‘汉字'是无法转换成ascii,这样就报出了开头的第一个错误。解决办法就是把它.encode(‘utf-8')成str类型。因为我命令行是windows默认的GBK编码,所有u'汉字'.encode(‘gbk')
的时候,输出结果和‘汉字'结果一样。
总结一下,python的str实际上是unicode的一种,python的默认编码是ascii,对于非ascii转成ascii的时候都会报错,牢记下面的规则:
unicode => encode(‘合适的编码') => str
str => decode(‘合适的编码') => unicode
还有一种简单的方式,就是在文件头设置编码,可以省去很多麻烦:
import sys
reloads(sys)
sys.setdefaultencoding('utf-8')
对于第二个问题,是在文件读取的时候出的错。utf-8的文件有bom和无bom两种方式,两者的差别好像在bom文件比无bom文件多了一个头,导致以utf-8方式读文件时报错,我先前曾尝试读文件的时候先对有无bom进行判断,跳过bom文件的头,后来失败了,真尴尬~~。
还得上google求助大神,具体的操作方法就是使用codecs库来读文件(我猜这个库就是对文件的头进行检测)。
import codecs
codecs.open(file_name, "r",encoding='utf-8', errors='ignore')
对于编码问题,一定要懂得ascii、unicode和utf-8工作原理。
来源:http://yuren.space/blog/2016/07/31/python如何解决汉字编码问题/
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
Python+Pygame实战之24点游戏的实现
![](https://img.aspxhome.com/file/2023/9/79469_0s.jpg)
Python 虚拟机字典dict内存优化方法解析
![](https://img.aspxhome.com/file/2023/2/93562_0s.png)
go select编译期的优化处理逻辑使用场景分析
通过 for 循环比较 Python 与 Ruby 的编程区别
django redis的使用方法详解
Python中文字符串截取问题
python中pandas.read_csv()函数的深入讲解
如何解决在Azure上部署Sqlserver网络访问不了
![](https://img.aspxhome.com/file/2023/5/78425_0s.png)
启动iis出现发生意外0x8ffe2740的解决方法
python使用tcp传输图片数据
![](https://img.aspxhome.com/file/2023/6/86616_0s.jpg)
linux 下python多线程递归复制文件夹及文件夹中的文件
python解压TAR文件至指定文件夹的实例
Golang设计模式中抽象工厂模式详细讲解
![](https://img.aspxhome.com/file/2023/4/93664_0s.png)
golang Gorm框架讲解
浅析SQL Server授予了CREATE TABLE权限但是无法创建表
![](https://img.aspxhome.com/file/2023/4/104114_0s.png)
Selenium浏览器自动化如何上传文件
Python文件操作实战案例之用户登录
![](https://img.aspxhome.com/file/2023/1/121031_0s.png)
使用Python编写Linux系统守护进程实例
解决GOPATH在GOLAND中的坑
![](https://img.aspxhome.com/file/2023/0/97170_0s.jpg)
golang中package is not in GOROOT报错的真正解决办法
![](https://img.aspxhome.com/file/2023/9/134139_0s.png)