Python、Unicode和中文[转]

关键字: python
Python、Unicode和中文[转] 
python的中文问题一直是困扰新手的头疼问题，这篇文章将给你详细地讲解一下这方面的知识。当然，几乎可以确定的是，在将来的版本中，python会彻底解决此问题，不用我们这么麻烦了。 
先来看看python的版本： 
>>> import sys 
>>> sys.version 
'2.5.1 (r251:54863, Apr 18 2007, 08:51:08) [MSC v.1310 32 bit (Intel)]' 
（一） 
用记事本创建一个文件ChineseTest.py，默认ANSI： 
s = "中文" 
print s 
测试一下瞧瞧： 
E:\Project\Python\Test>python ChineseTest.py 
  File "ChineseTest.py", line 1 
SyntaxError: Non-ASCII character '\xd6' in file ChineseTest.py on line 1, but no encoding declared; see http://www.pytho 
n.org/peps/pep-0263.html for details 
偷偷地把文件编码改成UTF-8： 
E:\Project\Python\Test>python ChineseTest.py 
  File "ChineseTest.py", line 1 
SyntaxError: Non-ASCII character '\xe4' in file ChineseTest.py on line 1, but no encoding declared; see http://www.pytho 
n.org/peps/pep-0263.html for details 
无济于事。。。 
既然它提供了网址，那就看看吧。简单地浏览一下，终于知道如果文件里有非ASCII字符，需要在第一行或第二行指定编码声明。把ChineseTest.py文件的编码重新改为ANSI，并加上编码声明： 
# coding=gbk 
s = "中文" 
print s 
再试一下： 
E:\Project\Python\Test>python ChineseTest.py 
中文 
正常咯：） 
（二） 
看一看它的长度： 
# coding=gbk 
s = "中文" 
print len(s) 
结果：4。 
s这里是str类型，所以计算的时候一个中文相当于两个英文字符，因此长度为4。 
我们这样写: 
# coding=gbk 
s = "中文" 
s1 = u"中文" 
s2 = unicode(s, "gbk") #省略参数将用python默认的ASCII来解码 
s3 = s.decode("gbk") #把str转换成unicode是decode，unicode函数作用与之相同 
print len(s1) 
print len(s2) 
print len(s3) 
结果：