谈谈Python编码问题和Unicode.pptVIP

谈谈Python编码问题和Unicode taochunhua@tencent outline Unicode基础知识 Python的str和unicode Json编码工具 实例 Unicode Ascii时代 7位，最高位是校验位 MBCS时代（多字节字符集） 中文CP963，GBK，GB2312，BIG5 Unicode Unicode16，Unicode32 题外话：存在与表示 Big Endian Little Endian SPARK, x86, ARM Host Byte Order Network Byte Order htonl, ntohl, htons, ntohs Object Persistence Serialize MFC, java serialiable interface and persistence api, protobuf Unicode UTF, UCS Several mechanisms have been specified for implementing Unicode. unicode utf unicode unicode16, unicode32 Unicode Transformation Format (UTF) UTF16(Big/Little Endian) UTF32(Big/Little Endian) UTF8 变长方案 思考？为什么是变长的？如何实现？ Python str unicode str对象 存储ascii字符串，以及二进制数据 unicode对象 存储unicode字符串，采用的是utf16或utf32 str用来存储各种utf数据，包括gbk等 可以认为：unicode对象是理想的unicode，str是丑陋的现实(各种utf) str与unicode的转化 使用时机 拇指定律 IO时用str e.g. network, file read write 内部处理时用unicode json encode, string process 例子 从外部读入时它是str 转为unicode进行必要处理 再转为str输出 demo 体验demo.py import json 我懂了上面说的，为什么json还是搞不定？ 嗯，因为json帮你encode,decode了一些东西 需要仔细阅读json模块的文档 json.dumps(obj, ensure_ascii,encoding...) obj python数据结构: dic, list ... ensure_ascii = True(default) dumps返回一个str ensure_ascii = False dumps返回一个unicode！我们可以进一步对它encode encoding 在obj进行转化之前，所有obj中的str会转为unicode，即str.decode(encoding) 默认情况： str - unicode - json(unicode) - str 一个默认处理 json.dumps(d, encoding=gbk) 它返回一个str str - unicode - json(unicode) - str str-unicode的decode在 encoding参数控制 json(unicode) - str 这里的encoding是默认控制的！ 这个默认控制不是encode，而是直接把unicode转义为ascii编码，这个ascii码的内容是unicode！ 这里应该是个utf8，这个过程是个硬编码:见lib中encode.py 证据 老白干酒 utf8 : 0x8001 0x767D 0x5E72 0x9152 gbk : 0xC0CF 0xB0D7 0xB8C9 0xBEC6 JSON本身的规范和实现 有了以上知识，我们还有可能搞不定特定需求：比如，请给我弄个GKB的字符串！ JSON规范定义string必须是unicode字符串，但是实现形式默认是utf8 有些json解析函数仅实现了utf8，不支持其他格式！ 实例 后台程序写入数据到redis 实例 redis中数据 实例 php接口 * * *