CodePy.Net

这几天在写一个爬虫，抓取指定网站的某些内容，中文网站的编码大概有两种：GB2312和UTF8。这里顺便就把写Python中要注意的一些内容汇聚一下，作为笔记。

1.文件头声明

对于python文件中包含中文的，应该在该文件头进行声明，加入：

1

# -*- coding: utf-8 -*-

一般的python文件头我都是用这一个模板：

1
2
3
4
5

#!/usr/bin/env python
# -*- coding: utf-8 -*-
 
"""docstring
"""

我使用VIM作为编辑器，希望每次创建python文件时都按照上面的模板创建，于是在~/.vim目录下面建了一个templates目录，用来存放模板文件，把上面那个目标拷贝保存为python.tpl，存放在之前创建好的~/.vim目录下。然后在~/.vimrc中添加：

1

autocmd BufNewFile *.py 0r ~/.vim/templates/python.tpl

这样就能保证每次写的python文件能够保持一致的编码方式。更多用vim写python可以参考之前的《 在vim中编写python 》这篇文章。

2.python中的两种字符串

事实上，python是有两种”字符串”，在python2.6的官方文档中，有Strings 和Unicode Strings 两种Strings。

对于它们之间的相互转换以及GB2312与UTF8的互转，还有encode和decode，在啄木鸟的WIKI上面有详细的解释：

http://wiki.woodpecker.org.cn/moin/PyEnCode

简单的说，其实encode¹就是将unicode的字符串转换为特定编码，诸如“GB2312,UTF8”之类。
而decode²就是将本地编码转换为unicode编码的字符串。
所以，比如说要将GB2312转换为UTF8，那么就先将GB2312 decode再encode成UTF8即可，反之亦然。

1. 编码 [↩]
2. 解码 [↩]