由於python的處理是按照編碼來處理的比如:
str=」中國年」
原始檔編碼格式是utf-8
str[0:len(str)-1]=」中國」 ?
這是錯誤的!
年有三個uft-8編碼,所以還剩2個
所以會出現中國+亂碼,選取字串子串和 長度的操作是對unicode編碼的字串和ascii編碼字串操作進行。這裡就當其為ascii字串，所以出現錯誤
str=u」中國年」
print str[0:len(str)-1]//正確
str=」中國年」
print str[0:len(str)-1]//亂碼
python的字串
搞清楚了令人頭疼的字元編碼問題後，我們再來研究python對unicode的支援。
因為python的誕生比unicode標準發布的時間還要早，所以最早的python只支援ascii編碼，普通的字串』abc』在python內部都是ascii編碼的。python提供了ord()和chr()函式，可以把字母和對應的數字相互轉換：
ord(『a』)65 chr(65)
『a』
python在後來新增了對unicode的支援，以unicode表示的字串用u』…』表示，比如：
print u』中文』中文 u』中』
u』\u4e2d』
寫u』中』和u』\u4e2d』是一樣的，\u後面是十六進製制的unicode碼。因此，u』a』和u』\u0041』也是一樣的。
兩種字串如何相互轉換？字串』***』雖然是ascii編碼，但也可以看成是utf-8編碼，而u』***』則只能是unicode編碼。
把u』***』轉換為utf-8編碼的』***』用encode(『utf-8』)方法：
u』abc』.encode(『utf-8』)『abc』
u』中文』.encode(『utf-8』)
『\xe4\xb8\xad\xe6\x96\x87』
英文本元轉換後表示的utf-8的值和unicode值相等（但占用的儲存空間不同），而中文字元轉換後1個unicode字元將變為3個utf-8字元，你看到的\xe4就是其中乙個位元組，因為它的值是228，沒有對應的字母可以顯示，所以以十六進製制顯示位元組的數值。len()函式可以返回字串的長度：
len(u』abc』)3 len(『abc』)
3 len(u』中文』)
2 len(『\xe4\xb8\xad\xe6\x96\x87』)
6 len(『中文』)
6
反過來，把utf-8編碼表示的字串』***』轉換為unicode字元串u』***』用decode(『utf-8』)方法：
『abc』.decode(『utf-8』)u』abc』
『\xe4\xb8\xad\xe6\x96\x87』.decode(『utf-8』)
u』\u4e2d\u6587』
print 『\xe4\xb8\xad\xe6\x96\x87』.decode(『utf-8』)
中文
由於python源**也是乙個文字檔案，所以，當你的源**中包含中文的時候，在儲存源**時，就需要務必指定儲存為utf-8編碼。當python直譯器讀取源**時，為了讓它按utf-8編碼讀取，我們通常在檔案開頭寫上這兩行：
解決方法:
str.decode(「utf-8」)[0:len(str.decode(「utf-8」)-1].encode(「utf-8」)
python中文字串編碼處理
1。字串還是位元組串？我認為，python的字串只能說是位元組串，你甚至可以在裡面存放一張或者乙個二進位制可執行檔案 import types f open d r pic f.read print type pic types.stringtype print pic 如果存在，這段 會顯示tru...
HBase處理中文字串
在設定scan的startrowkey與endrowkey時，經常需要在某個條件字串後面補充出乙個範圍。singlecolumnvaluefilter也會用到 比如 我的條件字串是 abc scan時我需要將下述內容都囊括到我scan的範圍內。abc123 abcdabc abccca 這時候我st...
Python擷取中文字串
在gbk編碼下，請編寫乙個擷取字串的函式，輸入為乙個字串和位元組數，輸出為按位元組擷取的字串，但是要保證漢字不被截半個，同時忽略字串中的數字後輸出最終結果 coding gbk import re deffunc s,length g join re.findall r d s 這裡也可以用g fi...