解读Python编码类型有哪些?（编码 python）

学Python怎样才最快，当然是实战各种小项目，只有自己去想与写，才记得住规则。今天为大家准备的内容是Python的编码类型。

【所谓unicode】

unicode是一种类似于符号集的抽象编码，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。也就是它只是一种内部表示，不能直接保存。所以存储时需要规定一种存储形式，比如utf-8和utf-16等。理论上unicode是一种能够容纳全世界所有语言文字的编码方案。（其他编码格式不再多说）

【所谓GB码】

GB就是“国标”的意思，即：中华人民共和国国家标准。GB码是面向汉字的编码，包括GB2312（GB2312-80），GBK，GB18030，表示范围从小到大递增，而且基本是向下兼容的。此外经常遇到一种叫做CP936的编码，实际上可以大概看做是GBK。

【判断编码】

1、使用isinstance(s,str)来判断一个字符串是否为一般字符串（str为ascii类型的字符串，utf-8、utf-16、GB2312、GBK等都是ascii类型的字符串）；

使用isinstance(s,unicode)来判断一个字符串是否为unicode编码形式的字符串（unicode编码的字符串才是unicode类型的字符串）。

2、使用type()或者.__class__

在编码正确的情况下：

例如：stra="中",则使用type(stra)的结果是<type'str'>，表明为ascii类型字符串；

例如：strb=u"中",则使用type(strb)的结果是<type'unicode'>，表明为unicode类型字符串。

tmp_str = 'tmp_str'
print tmp_str.__class__   #<type 'str'>
print type(tmp_str)    #<type 'str'>
print type(tmp_str).__name__ #str
tmp_str = u'tmp_str'
print tmp_str.__class__   #<type 'unicode'>
print type(tmp_str)    #<type 'unicode'>
print type(tmp_str).__name__ #unicode

12345678910复制代码类型：[python]

3、最好的办法是使用chardet判断，特别是在web相关的操作中，例如抓取html页面内容时，页面的charset标签只是标示编码，有时候不对，而且页面内容中一些中文可能超出了标示编码的范围，此时用charset检测最为方便准确。

（1）安装办法：下载chardet后，将解压得到的chardet文件夹放在Python安装目录的\Lib\site-packages目录下，在程序中使用importchardet即可。

（2）使用办法1：检测全部内容判断编码

import urllib2
import chardet
res = urllib2.urlopen('https://www.jb51.net')
res_cont = res.read()
res.close()
print chardet.detect(res_cont) #{'confidence': 0.99, 'encoding': 'utf-8'}

12345678复制代码类型：[python]

detect函数返回值为一个包含2个键值对的字典，第一个是检测置信度，第二个就是检测到的编码形式。

（3）使用办法2：检测部分内容判断编码，提高速度

import urllib2
from chardet.universaldetector import UniversalDetector
res = urllib2.urlopen('https://www.jb51.net')
detector = UniversalDetector()
for line in res.readlines():
 #detect untill reach threshold
 detector.feed(line)
 if detector.done:
  break
detector.close()
res.close()
print detector.result
#{'confidence': 0.99, 'encoding': 'utf-8'}

123456789101112131415复制代码类型：[python]

每种编程语言的编码类型都是不相同的，当你掌握所有的编码，那么你就会出师的。