Python中的Unicode問題

這幾天拿了一個題目自己練習寫python，才發現cpython是使用ascii來處理字串，對於unicode處理較不拿手。在這邊介紹一些python中使用unicode的方法。

首先要先確認使用的是script或是直譯器

script就要確認文件的編碼，直譯器則要確定所使用的shell的環境。

使用script的話，在一開始文件編輯列，要先加入宣告，文件編輯軟體(如vi等)才會儲存為UTF-8字元。

# -*- coding: <encoding_name>-*-

例如下面這行就可以宣告本文件應以UTF-8格式儲存：

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

這邊可以參考以下網址

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

若是使用直譯器，就要確定shell的環境變數LANG。

配置字串的時候，將字串配置為unicode格式：

如果LANG=zh_TW.UTF-8：

unicode_str =  unicode('這是中文', 'utf-8')

如果LANG=zh_TW.BIG5：

unicode_str = unicode('這是中文', 'big5')

windows中則shell的環境一定為big5：

也有比較簡單的方法，無論LANG變數為何都可以運作：

unicode_str =  u'這是中文'

之後檢查

>>> type(unicode_str)

(type 'unicode')

如果想要用big5顯示，可以這樣做

print unicode('這是中文', 'utf-8').decode('big5')

另外，raw_input()這個功能也有一些問題

raw_input(u'Please input')

raw_input(u'請輸入')

前者會成功，後者卻會失敗

筆者猜想可能是raw_input依然使用ascii來處理字串的關係。

唯一解決方法就是不要讓raw_input裡面塞入unicode的中文了。

在網站上也另外看到一個文件：

http://czug.org/blog/eishn/sqlobject-dezhongwenbianmawentijijiejuefangan

簡單來說，sys這個module原本有setdefaultencoding這個function，但在啟動腳本setting.py中卻被刪除了。而這個功能可以經由reload(sys)來啟用。

因此可以在script開始時這樣寫入：

import sys

if sys.getdefaultencoding() != 'utf-8':

    reload(sys)

    sys.setdefaultencoding('utf-8')

很多問題就可以解決囉！

參考網址：

http://evanjones.ca/python-utf8.html