python中的编码
2010年06月2日 10:30 下午 | 分类：python
在一些python讨论版里，经常会见到一些“月经帖”，类似于“我用python读取一个文件乱码”，然后就会抱怨python的编码很麻烦，其实不是python编码难搞定，而是没有真正理解python的编码。
如在windows环境下的以下示例代码：
#!/usr/bin/env python
import sys
import os
def do():
f = open('./ansi.txt')
for a in [x.strip() for x in f]:
print a
if __name__=='__main__':
do()
此时的ansi.txt编码为ansi,我们在cmd窗口执行，看到如下结果：
此时一切正常，但，如果还是用上面的脚本去读取utf8.txt，文件是utf8编码，就会得到下面的结果：
经典的“乱码”出现了，有朋友可能会说了，我在python脚本里指定编码应该就解决了，于是：
#!/usr/bin/env python
#coding=utf-8 #在这里指定编码
import sys
import os
def do():
f = open('./utf8.txt')
for a in [x.strip() for x in f]:
print a
if __name__=='__main__':
do()
再次运行：
OMG，还是乱码。。。。
能不能正常输出中文不取决于#coding=utf-8，也不取决于目标文件的编码，而是取决于你的终端输出设备，这里就是CMD窗口，CMD窗口是不支持UTF-8的，它只支持GBK，所以，我们要转码。
那为什么第一个示例中，它能正确输出？因为目标文件本身就是GBK编码，所以不需要做任何转码就能正常输出。
在第二个示例中，我们只需要做一个小的改动，就可输出UTF8编码的文件：
#!/usr/bin/env python
#coding=utf-8
import sys
import os
def do():
f = open('./utf8.txt')
for a in [x.strip() for x in f]:
print a.decode('UTF-8').encode('GBK') #在这里转码
if __name__=='__main__':
do()
结果：
正常输出。
做一个小结：
- python脚本中的#coding=utf-8并不是决定最终输出的编码，而是指定python脚本本身使用的编码；如果你的脚本本身内部有非ASCII码，那就应该指定编码#coding=gbk
- 如果文件的编码是GBK，你操作的终端也是支持GBK的，那就不需要编码，直接输出即可。
- 如果文件的编码不是GBK，但你的操作终端只支持GBK，不支持UTF-8，那么，你就需要对这些字符做转码操作。如文件编码是UTF-8，就需要先decode成UNICODE编码再encode成GBK
