Question

Python 2.7 编码问题

环境 win7
平台:idle shell
问题:为什么单个汉字解码打印就完全一样,但是组合起来的'东方明珠'就乱码了?
我很郁闷,因为我想做一个全部汉字的映射表,比如'涓沧柟鏄庣彔'对应'东方明珠'...

>>> print '东'.decode('gb18030').encode('u8')
东
>>> print '方'.decode('gb18030').encode('u8')
方
>>> print '明'.decode('gb18030').encode('u8')
明
>>> print '珠'.decode('gb18030').encode('u8')
珠
>>> print '东方明珠'.decode('gb18030').encode('u8')
涓沧柟鏄庣彔

Answer 1

不要用任何shell测试python编码，因为windows下很多shell自身没有处理好编码问题。应该先把代码写到文件里，代码的第一行务必声明文件的编码，然后执行。
还有，这个乱码不是逐字对应的。GB2312/GBK/GB18030中汉字通常是2字节，UTF-8(u8)中汉字通常是3字节。