python 中文解决方法 gb2312 <==> utf8

程序包见附件
也可参考
http://quijote.blog@bbs.nju.edu.cn

作者: quijote

抛砖引玉

这是我以前收集整理的。内容比较凌乱，也比较全面。
包括windows, python2.3,pyqt. 而pygtk和thinker和pyqt类似都用unicode.

我想最好的办法是做一个库直接调用gb13080编码字库.
我搜集了一个gb18030映射表 > 830k, 这样双向两个表 > 1.6 M

在win2000+sp3,python2.2

from Tkinter import *
w = Button(text="中国".decode("mbcs"), font="simhei", command='exit')
w.pack()
w.mainloop()
这个方法治标不治本
有时候，我会把字符串的mbcs（GB)和unicode混淆

这个方法有个缺点，由于mbcs的缘故，只适用于windows系统.
一个解决办法，安装
http://sourceforge.net/projects/python-codecs/
A SourceForge project working on additional support for Asian codecs for use
with Python. They are in the early stages of development at the time of this
writing -- look in their FTP area for downloadable files.
（见 Python Library Reference 4.9）
略作修改即可使用
（
下载4个文件
eucgb23212utf.py (182K) ，
utf2eucgb2321.py (182K),
( http://cvs.sourceforge.net/cgi-bin/viewcvs.cgi/python-
codecs/practicecodecs/ChineseCodecs/chinesecn/Attic/ )
eucgb2321_cn.py （
http://cvs.sourceforge.net/cgi-bin/viewcvs.cgi/python-
codecs/practicecodecs/ChineseCodecs/Python/）
test.py

本来有个setup.py, 但我不会用，手工修改：

1.把EUCGB2321_CN 替换成gb2312，包括文件名，文件里面的内容;

2. aliases.py 文件最后添加一行
# eucgb2321_cn codec
'gb2312' : 'gb2312',

3. 需要：c:\python22\lib\encodings中，新建一个目录chinesecn,
放置gb23122utf.py (182K) ，utf2gb2312.py (182K),
和 __init__.py（文件内容为空）三个文件，

4. encodings下，放置gb2312.py文件（原名是eucgb2321_cn.py ?)

）。

注释(2003.7)：
EUCGB2321_CN 是unix下汉字编码。

直接下载：
http://bbs1.nju.edu.cn/file/gb2312.rar
即可。

------------------------------------------------------------------------
运行 test.py

gbstring = "大家好"
#print gbstring

uni = unicode(gbstring, "gb2312")

gstring = uni.encode("gb2312")

print "Original gb2312 encoded string:"
print gbstring
print "Transcode to Unicode encoding:"
print repr(uni)
print "Print as a gb2312 encoded string:"
print gstring

------------------------------------------------------------
运行结果：
Original gb2312 encoded string:
大家好
Transcode to Unicode encoding:
u'\u5927\u5bb6\u597d'
Print as a gb2312 encoded string:
大家好
------------------------------------------------------------------------------
这个方法的缺点，有点麻烦（unicode(gbstring, "gb2312")），
只适用gb2312,而不是gb18030编码（没有unicode<-->gb18030 table）
我搜集了一个gb18030映射表 > 830k, 这样双向两个表 > 1.6 M

优点是通用性很好,无论windows, linux系统,还是
Tkinter, pyQT, pyGTK, wxpython都可以使用。

---------------------------------------------------------------------------
btw,
eucgb2321, 2321？ 2312? 把我搞迷糊了 ^_^
EUCGB2321_CN 是unix下汉字编码。

我原本用杜文山先生的汉化包（ http://dohao.org)，可是他并不能及时更新了,
只好另想办法。

python 开发人员的建议

寄件者：Martin v. Loewis (martin@v.loewis.de)
主旨：Re: Chinese language support of Python?

View this article only
新闻群组：comp.lang.python
日期：2002-07-07 01:01:02 PST

guidance_shanghai@yahoo.com.cn (Leon Wang) writes:

> But still can not put Chinese directly as string in source, I can not
> live with so much \u... for a whole Chinese sensence/paragraph, it's
> impossible to read and edit them

This is a known problem, and it will be addressed with PEP 263
(http://www.python.org/peps/pep-0263

[1] [2] 下一页