布同Python中文問題解決方法（總結(jié)了多位前人經(jīng)驗，初學(xué)者必看）

因為Python是自帶文檔，可以通過help函數(shù)來查詢每一個系統(tǒng)函數(shù)的用法解釋說明。一般來說，關(guān)鍵的使用方法和注意點(diǎn)在這個系統(tǒng)的文檔中都說的很清楚。我試圖在網(wǎng)上找過系統(tǒng)文檔的中文版的函數(shù)功能解釋，但是都沒有找到，所以我決定將就使用英文版的系統(tǒng)自帶的函數(shù)解釋來學(xué)習(xí)。

　　如果你想進(jìn)行Tkinter和wxPython編程，想要知道一般的widget的使用方法和屬性介紹，英文又不是太好的話，我推薦你，你可以去看看《Python與Tkinter編程》這本書，里面392頁到538頁的附錄B和附錄C選擇了常用的函數(shù)和近乎所有的屬性進(jìn)行介紹，精彩不容錯過。

我上面提到的這個工具很快做好了。可以把沒有查詢過的函數(shù)進(jìn)行查詢，并保存關(guān)鍵字key和查詢結(jié)果info，便于下次直接從列表list中翻出來看；要是發(fā)現(xiàn)沒有查過，則手動添加到列表list——就是這樣一個簡單的小工具。一切看上去都很順利。但是問題也來了：英文的info打開后，解釋里面有的單詞不知道含義，查完單詞之后想寫在info里面，保存之后可以下次直接從硬盤打開看。但是在英文info中輸入中文，保存過程中就出現(xiàn)了解碼不了的問題，也就是解碼到中文部分就彈出下面這個錯誤來：

UnicodeEncodeError: 'ascii' codec can't encode character u'\u6211' in position 61: ordinal not in range(128)

　　其中的61這個位置是彈性的，就是info中加入了中文的那個位置。這個錯誤基本一直都存在，也就是當(dāng)我想要把修改過后的info寫入文件的時候：
代碼如下:

fp = open('tt.txt','w')
fp.write(info.encode("UTF-8")) # 此處錯誤
fp.close()

這三行本身看上去沒有錯誤。但是就是在中間這行代碼處出現(xiàn)了錯誤。難道是encode的方式不對？我有嘗試了很多種編碼，如ANSI、UTF-8、SHIFT_JIS、GB2312、GBK等編碼，發(fā)現(xiàn)都不行。于是我就糊涂了。

現(xiàn)在我已經(jīng)知道為什么錯誤了。問題就在于修改之后的info這個字符串變量。info中的數(shù)據(jù)是我從系統(tǒng)中通過help函數(shù)查到的字串（也就是原始的純英文的info）加上我手動輸入的中文得到的一個綜合的字符串。在我從系統(tǒng)中查詢系統(tǒng)文檔時，我對原始info進(jìn)行了如下保存：
代碼如下:

fp = open('tt.txt','w')
fp.write(info)
fp.close()

注意，錯就錯在直接將原始info直接寫入到文件中。這樣寫之后的編碼方式大家知道是什么嗎？你打開tt.txt，查看編碼方式將會知道，其編碼方式是ANSI格式。于是錯誤就是這樣產(chǎn)生的：我查詢關(guān)鍵字key，將這個ANSI格式的字串info讀到控件中顯示，然后我有手動的添加了UTF-8格式的中文字符，于是通連起來形成的字符串info，就是一個混亂而具有多種編碼方式的字符串info，系統(tǒng)怎么write都無法只使用一種編碼方式將這個混合字串info再次寫到tt.txt中去。

　　所以，結(jié)論就是：當(dāng)你在內(nèi)存中操作時，你可以隨意的不管編碼方式是什么，系統(tǒng)會自動的按照具體情況進(jìn)行判斷。但是你如果要用到中文字符，并且還要通過文件的方式去暫時保存數(shù)據(jù)或者字串的話，請你一定要在第一次寫文件的時候用utf-8的格式寫進(jìn)去，也就是如下的方式：
代碼如下:

fp = open('tt.txt','w')
fp.write(info.encode("UTF-8"))
fp.close()

這將會保證你下次讀出來之后不用轉(zhuǎn)換編碼方式就可以直接打印和顯示，即使是作為控件文本也沒有問題。一定要注意這一點(diǎn)。

　　問題找到了，下面進(jìn)行一些其他的討論。

有的人說，只要使用了# -*- coding：utf-8 -*-不就行了嗎？其實(shí)不然。

　　通過我的測試（我使用IDLE(Python2.5.4 GUI）編譯器。【1】無論我開頭用不用# -*- coding：utf-8 -*-，還是軟件中是不是設(shè)置了使用默認(rèn)的utf-8編碼方式，中文在控件和文件之間的使用都是沒有問題的。【2】info='中文'; 這樣的操作都是可以的。讀的時候使用一般的讀法就可以了。原因我想是因為編譯器升級，解決了中文顯示和使用的問題，早期中文語言不能夠使用的情況現(xiàn)在已經(jīng)不存在了。
代碼如下:

#coding=utf-8
try:
JAP=open("jap.txt","r")
CHN=open("chn.txt","r")
UTF=open("utf.txt","w")

jap_text=JAP.readline()
chn_text=CHN.readline()
#先decode成UTF-16,再encode成UTF-8
jap_text_utf8=jap_text.decode("SHIFT_JIS").encode("UTF-8")
#不轉(zhuǎn)成utf-8也可以
chn_text_utf8=chn_text.decode("GB2312").encode("UTF-8")
#編碼方式大小寫都行utf-8也一樣
UTF.write(jap_text_utf8)
UTF.write(chn_text_utf8)
UTF.close()
except IOError,e:
print "open file error",e

這是我從http://www.gxlcms.com/article/26542.htm中《學(xué)習(xí)python處理python編碼》文章中摘錄的代碼。這里做一下解釋，上面的jap_text_utf8和chn_text_utf8都要保證是機(jī)器默認(rèn)的編碼方式，或者utf-8編碼方式，最重要的就是要保持一致。通過統(tǒng)一的編碼為utf-8后，就可以寫入一個文件中，再次讀出使用都沒有問題。讀的時候使用下面的普通方式即可：
代碼如下:

filen = open('tt.txt')
info = filen.read()
print info

另外。有人使用了下面這種方式來編碼和轉(zhuǎn)換：
代碼如下:

import sys
reload(sys)
sys.setdefaultencoding('utf8')

def ConvertCN(s):
return s.encode('gb18030')

def PrintFile(filename):
f = file(filename, 'r')
for f_line in f.readlines():
print ConvertCN(f_line)
f.close()

if __name__ == "__main__":
PrintFile('1.txt')
print ConvertCN("\n****** 按任意鍵退出! ******")
print sys.stdin.readline()

通過我的測試，這種方式是不可行的。第二行如果去掉，第三行的setdefaultencoding函數(shù)將會無效；如果保留第二行，第三行和以后的代碼都得不到執(zhí)行（雖然不報錯）。這種方式是否可行請大家試試看。　　　　　　
　　 另外，《python 中文亂碼 問題深入分析》http://www.gxlcms.com/article/26543.htm一文中講到了很多文本如何編碼的問題，令我大開眼界。文本編碼的原理：原來就是在文本開頭處添加適當(dāng)?shù)淖⑨尫杹肀硎緝?nèi)部的編碼方式，于是解釋器就會以某種對應(yīng)的規(guī)則去按照某種步長的字節(jié)或者靈活的方式去翻譯字節(jié)，得到原文，翻譯的步長和規(guī)則完全是開頭的說明處對應(yīng)的。所以，如果你正文是單個字節(jié)的編碼方式，那么你就可以在你的編碼最前頭加上一個合適的規(guī)則，告訴別人如何翻譯你的被編碼文本即可。其中BOM_UTF_8等文本末尾的知識也是很有趣的，類似的還有BOM_UTF_16等等，不同的編碼方式文末的符號不同，大家可以注意一下。

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com