Python2中文处理纪要

python2不是以unicode作为基本代码字符类型，碰到乱码的几率是远远高于python3，但即便如此，相信很多人，也不想随意的迁移到python3，这里就总结几个我平常碰到的问题及解法。

1. 文件中无法使用中文注释
   
   处理方法：
   
   在代码中增加# -*- coding=UTF-8 -*-，一般加在文件头部第一行，如果第一行是脚本标志，则放在第二行（实际仍然是python正本的第一行）。
   
   随后将文件另存为UTF-8格式。
   
   此方法可以解决注释中有中文，及字符串立即数中包含中文的问题。

2. unicode中文变量打印出来是乱码
   
   处理方法：
   
   文件开始引入扩展库的部分加入以下3行代码。

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

1. utf-8 及 gbk互相转换
   
   直接看代码：

#utf-8字符串转换成GBK（GB2312及其它编码也是这样用）
print str.decode('UTF-8').encode('GBK')
#gbk转换成utf-8
print str.decode('GBK').encode('UTF-8')

1. 参数中的utf-8是用大写还是小写？
   
   通常大小写都可以，这不是python决定的，是系统的语言代码设定决定的。

2. 打开utf-8的文本文件
   
   经过1、2的设置，正常直接打开就可以，文件是什么编码，读出来就是什么编码，个别仍有不行的可以使用扩展库codecs：

import codecs
...
with codecs.open(poetry_file, "r","utf-8") as f:

1. print打印出来的结构中的汉字是乱码
   
   print仅打印一个utf-8的变量是不会有问题的，比如

a="汉字"
print a
#会正常显示

但是如果用了接续显示，比如：

print a,
#将会显示乱码

如果是其它结构，诸如dict / list / class等，都会出现乱码。

a = ["中文"，"测试"]
print a
#将会显示乱码

这种情况使用基本库没有什么好办法，只能循环逐个打印内容，比如：

...
for item in items:
	print item

或者整合输出，比如：print ', '.join(a)

还可以使用第三方的包，比如：

import uniout
...
listnine = ['梨', '橘子', '苹果', '香蕉']
print 'listnine list: %s' % listnine

1. 变量本身显示正常，循环遍历出来的单个字符乱码
   
   大多情况是因为字符串不是unicode编码。声明字符串的时候使用a = u'汉字'这样方式赋值的变量都是Unicode字符串，不会有问题。
   
   如果是从外部传入的变量，源头情况又不知道，可以尝试转换成Unicode字符串：

str=unicode(str,"utf-8");

嗯，差不多就这些，想到再补充。