实际应用问题操作——Eclipse+pydev2.2+python2.7 中文乱码问题" />
当前位置: 代码迷 >> Ruby/Rails >> 实际应用问题操作——Eclipse+pydev2.2+python2.7 中文乱码问题
  详细解决方案

实际应用问题操作——Eclipse+pydev2.2+python2.7 中文乱码问题

热度:296   发布时间:2016-04-29 02:23:40.0
python 遇到 syntaxerror: non-ascii character问题

在源文件的第一行或第二行添加:(必须在第一行或者第二行

 # -*- coding:utf-8 -*-

 

详细信息如下面解释:

Python对于decode&encode错误的默认处理方式为strict,也就是直接报错,而java使用replace的方式来处理了,因此java出现中文问题后会打印出很多"??"。此外,Python的默认的encoding是ASCII,而java的默认encoding跟操作系统的encoding是一致的。在这一点上,我觉得java更为合理,这样对程序员更为友好,也减少了newbies开始时的挫折感,是有利于语言的推广的。但是,Python也有它的道理,毕竟ASCII是唯一的全世界所有平台都支持的字符集,而且问题始终是问题,始终会出现的,逃避它还不如早点面对它。

在这之前,我们先要了解Python中有两种字符串,分别是一般的字符串(每个字符用8bits表示)和Unicode字符串(每个字符用一个或者多个字节表示),它们可以相互转换。关于Unicode,Joel Spolsky 在 The Absolute Minimum EverySoftware Developer Absolutely, Positively Must Know About Unicode and CharacterSets (No Excuses!) 中有生动的说明,Jason Orendorff 在 Unicode for programmers 有着更为全面的描述,在此我就不再多说什么了。来看下面的代码:

s = u"中文你好"

print s

    运行上述代码,Python会给出下面的错误提示:

SyntaxError:Non-ASCII character '\xd6' in fileD:\Users\Administrator\workspace\Python27_guan\src\knn_algorithms\test.py online 1, but no encoding declared; see http://www.python.org/peps/pep-0263.htmlfor details

 

说是遇到非ASCII字符了,并让我们参考pep-0263。PEP-0263(Python Enhancement Proposal)上面说得很清楚了,如下截图:

参考网址:http://legacy.python.org/dev/peps/pep-0263/

问题解决方案实例:

Examples

These are some examples to clarify the different styles for defining the source code encoding at the top of a Python source
    file:
    1. With interpreter binary and using Emacs style file encoding
       comment:
          #!/usr/bin/python
          # -*- coding: latin-1 -*-
          import os, sys
          ...
          #!/usr/bin/python
          # -*- coding: iso-8859-15 -*-
          import os, sys
          ...
          #!/usr/bin/python
          # -*- coding: ascii -*-
          import os, sys
          ...
    2. Without interpreter line, using plain text:
          # This Python file uses the following encoding: utf-8
          import os, sys
          ...
    3. Text editors might have different ways of defining the file's
       encoding, e.g.
          #!/usr/local/bin/python
          # coding: latin-1
          import os, sys
          ...
    4. Without encoding comment, Python's parser will assume ASCII
       text:
          #!/usr/local/bin/python
          import os, sys
          ...
    5. Encoding comments which don't work:
       Missing "coding:" prefix:
          #!/usr/local/bin/python
          # latin-1
          import os, sys
          ...
       Encoding comment not on line 1 or 2:
          #!/usr/local/bin/python
          #
          # -*- coding: latin-1 -*-
          import os, sys
          ...
       Unsupported encoding:
          #!/usr/local/bin/python
          # -*- coding: utf-42 -*-
          import os, sys
          ...

 

Python也意识到了国际化问题,并提出了解决方案。根据提案上面的要求,我们有如下代码进行测试:

程序运行的结果如下:


参考代码:

# -*- coding:gb2312 -*-

print "-------------code 1----------------"

a = "中文a我爱你"

print a

print a.find("")

b = a.replace("","喜欢")

print b

print "--------------code 2----------------"

x = "中文a我爱你"

y = unicode(x,"gb2312")

print y.encode("gb2312")

print y.find(u"")

z = y.replace(u"", u"喜欢")

print z.encode("gb2312")

print "---------------code 3----------------"

print y

     我们可以看到,通过引入编码声明,我们可以正常地在使用中文了,而且在code 1和2中,控制台也能正确的把中文打印出来。但是,很明显,上面的代码也反映出了不少的问题:
    1、code 1 和 2在使用print时采用了不同的方式,1是直接print,而2在print之前先进行编码
    2、code 1 和 2中在同样的字符串查找同一个字符“我”,得出的结果不一样(分别是5和3)

为什么?为什么?我们可以先在脑海中模拟一下我们使用Python的流程

首先,我们先用编辑器编写好源代码,保存成文件。如果源代码中有编码声明而且用的编辑器支持该语法,那么该文件就以相应的编码方式保存在磁盘中。注意:编码声明和源文件的编码不一定是一致的,你完全可以在编码声明中声明编码为UTF-8,但是用GB2312来保存源文件。当然,我们不可能自寻烦恼,故意写错,而且好的IDE也能强制保证两者的一致性,但是,如果我们用记事本或者EditPlus等编辑器来编写代码的话,一不小心就会出现这种问题的。
     得到一个.py文件后,我们就可以运行它了,我们就把代码交给Python解析器来完成解析工作。解析器读入文件时,先解析文件中的编码声明,我们假设文件的编码为gb2312,那么先将文件中的内容由gb2312转换成Unicode,然后再把这些Unicode转换为UTF-8格式的字节串。完成这一步骤后,解析器把这些UTF-8字节串分段,解析。如果遇到使用Unicode字符串,那么就使用相应的UTF-8字节串创建Unicode字符串,如果程序中使用的是一般的字符串,那么解析器先将UTF-8字节串通过Unicode转换成相应编码(这里就是gb2312编码)的字节串,并用其创建一般的字符串对象。也就是说,Unicode字符串跟一般字符串在内存中的存放格式是不一样的,前者使用UTF-8的格式,后者使用GB2312格式。

好了,内存中的字符串存放格式我们知道了,下面我们要了解print的工作方式。print其实只是负责把内存中相应的字节串交给操作系统,让操作系统相应的程序(譬如cmd窗口)进行显示。这里有两种情况:
    1、若字符串是一般的字符串,那么print只需把内存中相应的字节串推送给操作系统。如例子中的code1。
     2、如果字符串是Unicode字符串,那么print在推送之前先进行相应的encode:我们可以显示使用Unicode的encode方法使用合适的编码方式来编码(例子中code 2),否则Python使用默认的编码方式进行编码,也就是ASCII(例子中的code 3)。当然ASCII是不可能正确编码中文的,因此Python报错(实际上在测试程序的时候:y = unicode(x,"gb2312")

类似y = u'中文a我爱你'的),该地方我用eclipse+Python编写的,但能跑出其中的结果。没有报错,下面我用Python自带的集成工具操作信息如下:


     至此,上面的三个问题我们已经可以解析第一和第三个了。至于第二个问题,因为Python中有两种字符串,一般字符串和Unicode字符串,两者都有各自的字符处理方法。对于前者,方法是以字节的方式进行的,而且在GB2312中,每个汉字占用两个字节,因此得到的结果是5;对于后者,也就是Unicode字符串,所有字符都是统一看待的,因此得到3。
     虽然上面只提到了控制台程序的中文问题,但是文件读写以及网络传输中出现的中文问题在原理上都是类似的。Unicode的出现可以很大程度上解决软件的国际化问题,同时Python为Unicode提供了极为良好的支持,因此,我建议大家在编写Python的程序时,都统一使用Unicode方式。保存文件时使用UTF-8的编码方式。How to Use UTF-8 with Python有详细的描述,大家可以参考一下。
    Python中能导致出现中文问题的地方还很多,譬如文件的读写,网络数据的传输等,希望大家能多多交流,共同解决这些问题。

 

实际应用问题操作——Eclipse+pydev2.2+python2.7 中文乱码问题

Eclipse的设置

window->preferences->general->editors->texteditors->spelling->encoding->UTF-8

window->preferences->workspace->text fileencoding->UTF-8

打开eclipse安装目录->eclipse.ini,末行加上”-Dfile.encoding=UTF-8”

文件编码

py文件记得保存成UTF-8,文件首行加上”#coding=utf-8”

run时设置

run-->run configurations->python run->Common-> Encoding ->UTF-8

 

参考文献:

http://hi.baidu.com/neutblue/item/a636f83f8483adf6e7bb7aa0

http://legacy.python.org/dev/peps/pep-0263/

http://legacy.python.org/dev/peps/

http://www.cnblogs.com/linyawen/archive/2011/09/28/2194106.html

  相关解决方案