Python编码爬坑指南(必看)


Posted in Python onJune 10, 2016

自己最近有在学习python,这实在是一门非常短小精悍的语言,很喜欢这种语言精悍背后又有强大函数库支撑的语言。可是刚接触不久就遇到了让人头疼的关于编码的问题,在网上查了很多资料现在在这里做一番总结,权当一个记录也为后来的兄弟姐妹们服务,如果可以让您少走一些弯路本人将倍感荣幸。

先来描述下现象吧:

import os
for i in os.listdir("E:\Torchlight II"):
  print i

代码很简单我们使用os的listdir函数遍历了E:\Torchlight II这个目录(Torchlight ?! :)),由于这个目录下有些文件是以中文命名的,所以在最后print结果时出现了乱码,像这样:

Python编码爬坑指南(必看)

那么问题出在哪儿呢? 别急,我们一点一点来分析它。

这里这里我们几乎能够肯定的知道问题是出在:

This means that the python console app can't write the given character to the console's encoding.
More specifically, the python console app created a _io.TextIOWrapperd instance with an encoding that cannot represent the given character.
sys.stdout --> _io.TextIOWrapperd --> (your console)

看到这里不知你是否与我想的一样,能不能去设置console的编码,将其设置为能够理解中文字符的编码不就可以正常的显示出中文了吗?等等,让我们在多Google一会儿,

Python determines the encoding of stdout and stderr based on the value of the LC_CTYPE variable, but only if the stdout is a tty. So if I just output to the terminal, LC_CTYPE (or LC_ALL) define the encoding. However, when the output is piped to a file or to a different process, the encoding is not defined, and defaults to 7-bit ASCII.

更详细的说明如下:

1). When Python finds its output attached to a terminal, it sets the sys.stdout.encoding attribute to the terminal's encoding. The print statement's handler will automatically encode unicode arguments into str output.
2). When Python does not detect the desired character set of the output, it sets sys.stdout.encoding to None, and print will invoke the "ascii" codec.

嚯嚯,看来刚才的想法是可行的只是不太优雅罢了,因为我们得去修改系统的设置。事实上上面的论述是基于linux环境的,在linux下可能需要我们去更改某个环境变量的值(LC_CTYPE or LANG);如果我们是在windows下面的话,console的编码设置是跟操作系统的区域设置相关的。比如在中文的win7环境下,console默认的编码就是GBK(cp936)。你可以试试下面的代码:

import locale
print locale.getdefaultlocale()[1]

console的编码不好设置了那能否对stdout.out.encoding进行设置以达到我们的目的呢?很遗憾,答案是否定的,这家伙压根就是只读的:

Python编码爬坑指南(必看)

没有办法了么?不会,其实我们离成功已经很近了,来,根据上面检索到的那些资料分析整理下看看我们现在掌握到的情况都有哪些:

 

1). console不能正常显示中文,console的编码是由操作系统决定的(windows环境下);
 2). 我的操作系统是win7中文版(GBK),enc = locale.getdefaultlocale()[1];
 3). console的编码决定了sys.stdout.encoding的取值,sys.stdout.encoding = utf-8;
 4). 从操作系统枚举目录(E:\Torchlight II)列表返回的字符串也是GBK编码

 是不是已经看出问题来了。最上面截图中那么奇奇怪怪的问号尖角符号就是因为字符串本身是按照gbk进行编码的,但是由于sys.stdout.encoding = utf-8,导致print会按照utf-8对input的数据进行encode从而转换为unicode字符。这,当然错误了。原因已经清楚了,来改改代码吧:

import os
for i in os.listdir("E:\Torchlight II"):
  print i.decode('gbk')

在代码中我们手动告诉了python对读入的字符串按章gbk编码来进行解码,而这一个动作之后数据已经是标准的unicode字符了,可以放心的交给print去打印输出了(即使这会儿sys.stdout.encoding = utf-8):

Python编码爬坑指南(必看)

 ps:

实际在google中还查到过很多相关的类似编码的问题,比如这里的,还有这里的。虽然问题的样子千变万化并且解决方式多种多样甚至是python自己的特定解决方式,比如这里。但这些问题本质都是一样的都是关于字符的编码和解码,搞清楚了其中的本质所有问题都能够迎刃而解。

以上这篇Python编码爬坑指南(必看)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python图形绘制操作之正弦曲线实现方法分析
Dec 25 Python
Python实现对一个函数应用多个装饰器的方法示例
Feb 09 Python
Python使用matplotlib绘制多个图形单独显示的方法示例
Mar 14 Python
python对list中的每个元素进行某种操作的方法
Jun 29 Python
Pyqt5如何让QMessageBox按钮显示中文示例代码
Apr 11 Python
python实现批量文件重命名
Oct 31 Python
python3使用Pillow、tesseract-ocr与pytesseract模块的图片识别的方法
Feb 26 Python
使用python求解二次规划的问题
Feb 29 Python
基于Python实现2种反转链表方法代码实例
Jul 06 Python
Python+OpenCV检测灯光亮点的实现方法
Nov 02 Python
Pycharm制作搞怪弹窗的实现代码
Feb 19 Python
python for循环赋值问题
Jun 03 Python
浅析Python中的for 循环
Jun 09 #Python
Python多层嵌套list的递归处理方法(推荐)
Jun 08 #Python
Python-嵌套列表list的全面解析
Jun 08 #Python
PYTHON压平嵌套列表的简单实现
Jun 08 #Python
Python用Bottle轻量级框架进行Web开发
Jun 08 #Python
浅谈Python数据类型之间的转换
Jun 08 #Python
浅谈python 四种数值类型(int,long,float,complex)
Jun 08 #Python
You might like
投票管理程序
2006/10/09 PHP
php max_execution_time执行时间问题
2011/07/17 PHP
详解no input file specified 三种解决方法
2019/11/29 PHP
javascript attachEvent和addEventListener使用方法
2009/03/19 Javascript
jquery 多行文本框(textarea)高度变化
2013/07/03 Javascript
纯js写的分页表格数据为json串
2014/02/18 Javascript
使用AngularJS制作一个简单的RSS阅读器的教程
2015/06/18 Javascript
JS弹出层遮罩,隐藏背景页面滚动条细节优化分析
2016/04/29 Javascript
JavaScript数组的定义及数字操作技巧
2016/06/06 Javascript
BootStrapValidator校验方式
2016/12/19 Javascript
bootstrap制作jsp页面(根据值让table显示选中)
2017/01/05 Javascript
详解jQuery中ajax.load()方法
2017/01/25 Javascript
node中koa中间件机制详解
2017/08/22 Javascript
微信小程序实现点击按钮移动view标签的位置功能示例【附demo源码下载】
2017/12/06 Javascript
安装Node.js并启动本地服务的操作教程
2018/05/12 Javascript
VueCli3构建TS项目的方法步骤
2018/11/07 Javascript
详解js加减乘除精确计算
2019/03/19 Javascript
uniapp开发小程序实现滑动页面控制元素的显示和隐藏效果
2020/12/10 Javascript
vuex的使用步骤
2021/01/06 Vue.js
Python库urllib与urllib2主要区别分析
2014/07/13 Python
python编写的最短路径算法
2015/03/25 Python
Python处理Excel文件实例代码
2017/06/20 Python
python通过微信发送邮件实现电脑关机
2018/06/20 Python
IntelliJ IDEA安装运行python插件方法
2018/12/10 Python
python中import与from方法总结(推荐)
2019/03/21 Python
Python语法之精妙的十个知识点(装B语法)
2020/01/18 Python
ubuntu16.04升级Python3.5到Python3.7的方法步骤
2020/08/20 Python
python使用正则表达式匹配txt特定字符串(有换行)
2020/12/09 Python
播音主持专业个人自我评价
2014/01/09 职场文书
自我介绍演讲稿
2014/01/15 职场文书
会计助理岗位职责
2014/02/17 职场文书
安卓程序员求职信
2014/02/28 职场文书
爱的承诺书
2015/01/20 职场文书
2015年五一劳动节活动总结
2015/02/09 职场文书
施工安全保证书
2015/05/09 职场文书
MySQL创建管理LIST分区
2022/04/13 MySQL