1.多位元組問題必須要全部轉成unicode再處理，否則就會有問題，比如中文gbk編碼的"和珅"，其中的珅的後半位元組和|的一樣的，所以在處理的時候會有問題，如下我們用re.split來分割：
#用正則分隔某個字串def split(str, patternlist):
unicodestr = str.decode('gbk')
result =
for i in patternlist:
unicodei = i.decode('gbk')
outlist = re.split(unicodei, unicodestr)
for j in outlist :
gbk = j.encode('gbk')
if str != gbk :
return result
注意輸入|時必須要輸入\|，因為|本身是正規表示式的乙個符號。
Python處理中文
用python寫了個從一堆中文微博中抽取電影票房資料的程式，處理中文編碼問題非常麻煩，有以下經驗 1，在正規表示式中的中文應該用 u x的形式，正規表示式字串還要以ur為字首 u表示unicode，r表示raw，即忽略c 形式的轉義字元 2，各種編碼都統一成utf8的時候世界終於清靜了 4，原始碼開...
Python處理中文語言 讀取中文
本文解決問題 1 匯入中文txt文字，並轉換為unicode 2 匯入包含中文的py file 解決問題一 匯入中文txt文字，並轉換為unicode 1 unicode utf 8 簡單理解，unicode是 一種處理所有非英文語言的編碼方式，即將每個語言中的每個文字設定成不同的數字，避免造成混亂...
Python的中文處理
一 使用中文字元 在python原始碼中如果使用了中文字元，執行時會有錯誤，解決的辦法是在原始碼的開頭部分加入字元編碼的宣告，下面是乙個例子 usr bin env python coding cp936 python tutorial中指出，python的原始檔可以編碼ascii以外的字符集，最好...