Python培訓之5分鐘戰(zhàn)勝Python字符編碼(三)

4. 疑難問題解答
 
編碼識別
 
說了要確定編碼，那么拿到一串二進制要怎么確定編碼呢？
 
最簡單的方法是chardet：（需要安裝）
 
python -m pip install chardet
 
使用非常簡單：
 
#coding=utf8
 
from chardet import detect
print(detect('這是一串utf8的測試字符'))
 
# 結(jié)果：`{'confidence': 0.99, 'encoding': 'utf-8'}`
 
另外例如抓取網(wǎng)站，那么頭文件中很有可能有提示如何解碼，記得不要忘記了。
 
編碼轉(zhuǎn)換
 
很可能因為字符串中參雜了奇怪的東西，導致即使編碼種類正確，依舊無法解碼。
 
我知道我之前講過了，但可能有人直接跳疑難問題解答嘛。
 
這里可以使用decode的第二個參數(shù)：
 
#coding=utf8
 
# 字符串中混進了\x00
rubbishUtf8String = 'Utf-8字\x00符串'
 
print(repr(rubbishUtf8String.decode('utf8', 'replace')))
 
print(repr(rubbishUtf8String.decode('utf8', 'ignore')))
 
特殊平臺下編碼
 
很多人都說Windows是個坑，即使在Python 3下面也一樣。
 
因為中文文件名出來都是亂碼。
 
這里使用一個取巧的方法：平臺編碼再特殊，起碼命令行讀取和創(chuàng)建一個文件夾不會出亂碼吧。
 
import sys, os
 
for folder in os.walk('.').next()[1]:
    print(folder.decode(sys.stdin.encoding))
 
同樣的輸入輸出也可以這樣做優(yōu)化：
 
import sys
 
def sys_print(msg):
    print(msg.encode(sys.stdin.encoding))
 
def sys_input(msg):
    return raw_input(msg.encode(sys.stdin.encoding)).decode(sys.stdin.encoding)
 
文件寫入
 
如果抓下來一個內(nèi)容不知道怎么解碼，但還是想要寫入文件怎么辦
 
寫入文件的時候制定用二進制命令即可：
 
#coding=utf8
import urllib
 
with open('Utf8.txt', 'wb') as f: f.write('Utf8測試')
 
# 比如抓了個網(wǎng)頁，不知道編碼也可以寫入文件進行一系列操作
 
content = urllib.urlopen('http://www.baidu.com').read()
with open('baidu.txt', 'wb') as f: f.write(content)
 
裸Unicode字符
 
Unicode存成六個Ascii字符怎么辦？其實也可以decode
 
#coding=utf8
# 這是普通的Unicode
s = u'測'
for i in s: print(i)
print(repr(s))
 
# 這是裸Unicode，實際存成了六個Ascii
s = repr(s)[2:-1]
for i in s: print(i)
print(repr(s))
 
# 轉(zhuǎn)化其實也很簡單
s = s.decode('unicode-escape')
for i in s: print(i)
print(repr(s))
 
 
好了，希望這篇文章對大家解決Python編碼問題有所幫助！

本文版權(quán)歸黑馬程序員Python培訓學院所有，歡迎轉(zhuǎn)載，轉(zhuǎn)載請注明作者出處。謝謝！

作者：黑馬程序員Python培訓學院

首發(fā)：http://pantone-color.com.cn/news/python.html