当前位置：首页 > news >正文

【Python 中文编码】

news 2025/7/3 15:33:41

在 Python 中处理中文编码问题时，需重点关注文件编码声明、字符串编码转换及环境配置。以下是分步指南和最佳实践：

一、Python 3 的默认编码行为

Python 3.x：默认使用 UTF-8 编码（与 Python 2.x 的 ASCII 默认编码不同）

验证当前编码：

import sys
print(sys.getdefaultencoding())  # 输出: utf-8

二、文件编码声明（关键步骤）

在 Python 文件开头添加编码声明，确保解释器正确解析源码中的中文字符：

# -*- coding: utf-8 -*-
# 或
# coding=utf-8print("中文正常显示")  # 无需额外编码转换

三、字符串编码转换

1. 字符串与字节流互转

编码（Unicode → 字节流）：

text = "你好，世界"
bytes_utf8 = text.encode("utf-8")    # UTF-8 编码
bytes_gbk = text.encode("gbk")      # GBK 编码

解码（字节流 → Unicode）：

raw_data = b'\xe4\xbd\xa0\xe5\xa5\xbd'  # UTF-8 字节流
decoded_str = raw_data.decode("utf-8")  # 输出: 你好

2. 错误处理策略

跳过非法字符：errors='ignore'

替换非法字符：errors='replace'（默认）

broken_bytes = b'\xff\xfe你好'
safe_str = broken_bytes.decode("utf-8", errors='ignore')  # 输出: 你好

四、常见场景解决方案

1. 文件读写

指定编码参数（推荐）：

# 写入文件
with open("data.txt", "w", encoding="utf-8") as f:f.write("中文内容")# 读取文件
with open("data.txt", "r", encoding="utf-8") as f:content = f.read()

处理未知编码：

import chardetwith open("unknown_file.txt", "rb") as f:raw_data = f.read()encoding = chardet.detect(raw_data)["encoding"]text = raw_data.decode(encoding)

2. 控制台输出乱码

Windows 命令行（默认 GBK 编码）：

# 方法1: 修改代码页为 UTF-8
import os
os.system("chcp 65001")  # 执行后需重启 Python 环境# 方法2: 重定向标准输出
import sys
import io
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')

Linux/macOS：通常无需额外配置

3. 数据库/网络通信

显式指定编码参数：

# MySQL 连接示例
import pymysql
conn = pymysql.connect(host="localhost",user="root",password="123456",database="test",charset="utf8mb4"  # 关键参数
)

五、环境配置检查

1. 检查系统默认编码

import locale
print(locale.getpreferredencoding())  # 输出系统默认编码（如 cp936/GBK）

2. 修改环境变量（Windows）

临时修改：
```
set PYTHONIOENCODING=utf-8
```
永久修改：通过注册表调整控制台编码

六、最佳实践

统一使用 UTF-8：作为源码文件、数据库、API 通信的标准编码
显式指定编码参数：避免依赖系统默认值

避免混合编码操作：

# 错误示例：拼接不同编码的字节流
b'GBK字节' + b'UTF8字节'.encode('utf-8')  # 抛出 TypeError

使用 Pathlib 处理文件路径：

from pathlib import Path
Path("中文路径.txt").write_text("内容", encoding="utf-8")

七、常见错误排查

错误信息	原因	解决方案
`UnicodeEncodeError: 'gbk' codec...`	尝试用 GBK 编码 UTF-8 字符	指定 encoding=‘utf-8’
`SyntaxError: Non-UTF-8 code...`	文件编码声明缺失或错误	添加 `# -- coding: utf-8 --`
`UnicodeDecodeError: 'utf-8' codec...`	字节流实际编码与声明不符	用 chardet 检测真实编码