Python中Unicode显示形式差异及Python2下相关问题问询
在Python 2里跟Unicode打交道，真的很容易踩坑出现显示异常的情况！我结合自己踩过的坑，整理了最常见的原因和对应的解决办法，帮你理清思路：
先快速回顾下基础：Unicode标准用代码点表示字符，比如0061对应'a'，\u4e2d\u6587对应'中文'——Python 2里u'中文'和u'\u4e2d\u6587'是完全等价的，显然前者对人类友好太多。但为啥有时候还是会显示乱码或者报错？
常见原因及解决办法
1. 搞混了str和unicode两种类型
这是最最常见的问题！Python 2里的str其实是字节串，而unicode才是真正的Unicode字符序列。如果把字节串直接当Unicode用，或者编码解码的顺序搞反了，分分钟乱码。比如你从文件里读了一串字节，没解码成unicode就直接输出，或者用错了编码格式解码，结果肯定不对。
解决办法：
- 程序内部统一用
unicode类型：所有字符串都加u前缀，比如用u'中文'而不是'中文' - 从外部（文件、网络、用户输入）拿到的
str，必须用正确的编码解码成unicode：my_unicode = my_str.decode('utf-8') - 输出到外部（终端、文件）时，再把
unicode编码成对应编码的str：my_str = my_unicode.encode('utf-8')
2. 默认编码拖后腿
Python 2的默认编码是ascii，这就很坑——当你不小心做了隐式的编码/解码操作（比如把unicode和str直接拼接），Python会偷偷用默认的ascii来处理，这时候如果unicode里有非ASCII字符，要么直接抛出UnicodeDecodeError，要么显示成乱码。
解决办法：
- 应急方案：可以在代码开头修改默认编码为
utf-8，但注意这不是最推荐的方式（可能影响其他依赖默认编码的代码）：
import sys reload(sys) sys.setdefaultencoding('utf-8')
- 更稳妥的做法：所有编码解码操作都显式指定编码，彻底摆脱对默认编码的依赖，杜绝隐式转换。
3. 终端/IDE的编码不匹配
就算你的代码逻辑完全正确，如果终端或者IDE的显示编码和你输出的编码不一致，照样会乱码。比如你用utf-8编码输出，但终端默认用的是gbk，那显示出来的肯定是一堆乱码。
解决办法：
- 检查终端编码：Linux/macOS可以用
echo $LANG查看，Windows用chcp命令，把终端编码改成和你输出一致的（比如都设为utf-8） - IDE里要在设置中把文件编码、控制台编码都改成
utf-8
4. 文件读写时没指定编码
打开文件如果不指定编码，Python 2会用系统默认编码来读写，而系统默认编码不一定是utf-8，读写包含Unicode字符的文件时自然会出问题。
解决办法：
- 用
codecs模块打开文件，直接指定编码，读写都能直接处理unicode：
import codecs # 读文件，直接得到unicode with codecs.open('my_file.txt', 'r', encoding='utf-8') as f: content = f.read() # 写文件，直接传入unicode with codecs.open('my_file.txt', 'w', encoding='utf-8') as f: f.write(u'这是Unicode内容')
- 或者手动处理编码：读文件时
f.read().decode('utf-8')，写文件时content.encode('utf-8')
核心总结
处理Python 2的Unicode，记住一个核心原则：程序内部用unicode，和外部交互时用指定编码的str。尽量避免隐式的编码转换，所有编码、解码操作都显式写出编码格式，就能避开绝大多数坑。
内容的提问来源于stack exchange，提问作者Cloud
