【摘要】中文编码问题是用中文的程序员经常头大的问题，在python下也是如此。我们要知道python内部使用的是unicode编码，而外部却要面对千奇百怪的

中文编码问题是用中文的程序员经常头大的问题，在python下也是如此。

我们要知道python内部使用的是unicode编码，而外部却要面对千奇百怪的各种编码，比如作为中国程序经常要面对的gbk，gb2312，utf8等，那这些编码是怎么转换成内部的unicode呢？

一、源代码文件的编码格式

python默认会认为源代码文件是asci编码。

s1='hello'
print s1

python认为这个'hello'就是一个asci编码的字符。在仅仅使用英文字符的情况下一切正常，但是如果用了中文，比如：

s1='你好'
print s1

这个代码文件被执行时就会出错。python默认将代码文件内容当作asci编码处理，但asci编码中不存在中文，因此抛出异常。

解决方法就是让python知道文件中使用的是什么编码。只需在代码文件的最前端添加如下：

# -*- coding: utf-8 -*-

表示我这个文件里的文本是用utf-8编码的，这样，python就会依照utf-8的编码形式解读其中的字符，然后转换成unicode编码内部处理使用。

相关推荐：《Python入门教程》

二、windows下控制台编码

Python 的 print 语句。它的功能是向控制台输出字符，这本身不是问题。但是 Python 内部是支持 Unicode 字符串的，而 Unicode 字符串在用 print 输出时 print 要进行一次从 Unicode 到 ANSI/MBCS 编码的编码，编码后才会以 8-bit 流输出结果。

编码就编码吧，这也是很正常的。对于控制台程序来说，输出可能被重定向到文本文件。如果不指定编码，重定向时就不知道以何种 8-bit 字节流写入文本文件，所以，输出到控制台的东西理论上也应该是经过编码的 8-bit 流。综上所述，确实有必要进行一次 WCHAR 到 char 的转码。

但是问题在于，Python 的 print 语句在转码时，居然用的是 strict 规则。即，待输出字符串若含有当前代码页之外的字符，就会在转码过程中出现不可转码的文字，从而抛出 exception。print 语句又不处理这个 exception，导致一个平平常常 print 语句竟然会引起 Python 程序的异常！

解决方法：CHCP

CHCP是MS DOS中的命令，用来显示或设置活动代码页编号的。

用法是：CHCP [nnn]

其中nnn指定的是代码页的编号。这个参数是可选的，在命令行下如果不指定这个代码页编号，那么默认是显示当前的代码页编号。比如，在默认的cmd窗口中，我们输入chcp，显示的将类似：

活动的代码页: 936

这里的936表示当前使用的是简体中文（GB2312）编码。如果输出的字符在代码页之内，就不会出现问题。如果出现了，可以：

运行CMD；

输入 CHCP，回车查看当前的编码；

输入CHCP 65001，回车；（指定为utf-8）

这时候，你的Console里面，应该支持UTF8了。

三、文件读取

其中，关于open的编码解释如下：

读取时：内置的open()方法打开文件时，read()读取的是str，读取后需要使用正确的编码格式进行decode()。write()写入时，如果参数是unicode，则需要使用你希望写入的编码进行encode()，如果是其他编码格式的str，则需要先用该str的编码进行decode()，转成unicode后再使用写入的编码进行encode()。如果直接将unicode作为参数传入write()方法，Python将先使用源代码文件声明的字符编码进行编码然后写入。

编码时：模块codecs提供了一个open()方法，可以指定一个编码打开文件，使用这个方法打开的文件读取返回的将是unicode。写入时，如果参数是unicode，则使用open()时指定的编码进行编码后写入；如果是str，则先根据源代码文件声明的字符编码，解码成unicode后再进行前述操作。相对内置的open()来说，这个方法比较不容易在编码上出现问题。

所以可以在读取的时候指定编码，这样可以避免很多问题。