Python2中的编码、解码问题
UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-7: ordinal not in range(128)
Python2中的编码、解码问题
使用Python2处理中文或不同编码时，经常遇到如标题所示的问题，烦！通过查阅一些资料终于理解了其中的原理及解决办法。
字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
其中decode将其他编码的字符串转换成unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成unicode编码。 而encode将unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将unicode编码的字符串str2转换成gb2312编码。
所以在转码时一定要先看清字符串str是什么编码，然后decode成unicode，再encode成其他编码。如，在开头为# -- coding: utf-8 --的.py文件中，字符串的编码就是utf-8（代码中字符串的默认编码与代码文件本身的编码一致），以此类推。
如：str=’中文’，如果是在utf-8文件中，str就是utf-8编码，如果是在gbk的文件中，它就是gbk编码。此时如果要进行编码，都必须先用decode将str解码成unicode编码，然后再用encode转换成其他类型的编码。如果是直接进行encode，很有可能会发生UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-7: ordinal not in range(128)。
我看网上解决上述问题的方法主要有两种（以在# -*- coding: utf-8 -*- 文件中为例）：
第一种：更改sys.defaultencoding为文件的编码方式
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# 第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；
# 第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。
import sys
reload(sys) # Python2.5 初始化后会删除 sys.setdefaultencoding 这个方法，我们需要重新载入
sys.setdefaultencoding('utf-8')
str = '中文'
print str.encode('gb18030')
虽然第一种方法是万能钥匙，但是最好不要用，因为python3.x好像已经将这个方法删除了，具体原因请看http://bbs.csdn.net/topics/391900840
第二种：明确指出str的编码方式
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# 第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；
# 第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。
s = '中文'
print s.decode('utf-8').encode('gb18030')
