Python 2.x 中文亂碼問題完整解決方案與編碼原理深度解析

Python 2.x 中文亂碼是許多開發者的痛點。本文從編碼原理出發，系統梳理亂碼產生的根本原因，提供分場景的完整解決方案，並深入解析編碼/解碼機制。

為什麼 Python 2.x 會出現中文亂碼？

核心原因在於 默認編碼不匹配：

• Python 2.x 默認使用 ASCII 編碼（單字節，僅支持英文字符）
• 中文字符需要 雙字節或多字節編碼（GBK、UTF-8、Big5 等）
• Windows 控制台默認使用 GBK 編碼（cp936）

當源文件編碼、Python 內部處理編碼、終端顯示編碼三者不一致時，就會發生解碼錯誤，產生亂碼。

>>> import sys
>>> sys.getdefaultencoding()
'ascii'

分場景解決方案

場景一：交互式命令行

通常不會出現亂碼，無需特殊處理。Python 會自動使用終端編碼。

場景二：腳本文件（.py 文件）

兩步驟缺一不可：

1. 聲明編碼：文件首行添加編碼聲明

   # coding=utf-8
   # 或
   # -*- coding: utf-8 -*-
   

2. 文件實際保存為 UTF-8：編輯器必須以 UTF-8 無 BOM 格式保存
   • Notepad++：編碼 → 轉為 UTF-8 編碼
   • VS Code：右下角編碼選擇 UTF-8
   • IDLE：Options → Configure IDLE → General → Default Source Encoding: UTF-8
   • Sublime Text：File → Save with Encoding → UTF-8

場景三：輸出到控制台（關鍵步驟）

即使源文件正確，輸出時仍需 編碼轉換：

# 核心原則：按源編碼解碼 → 按目標編碼編碼
# 假設源文件是 UTF-8，Windows CMD 是 GBK

# 錯誤做法
print "中文"  # 直接輸出 UTF-8 字節到 GBK 終端 → 亂碼

# 正確做法
print u"中文".encode('gbk')  # 先解碼為 unicode，再編碼為 GBK

# 或通用寫法
import sys
print u"中文".encode(sys.stdout.encoding or 'gbk')

編碼/解碼核心原理

鐵律：編碼與解碼必須成對使用，編碼格式必須一致。

Python 3.x 的根本改進

• 源文件默認 UTF-8，無需聲明
• 字符串默認 Unicode（str 類型），bytes 為字節類型
• 不再需要手動 encode/decode，print 直接支持中文
• 變量名可使用中文：中國 = 'China'

最佳實踐清單

1. 統一項目編碼為 UTF-8（含源文件、數據庫、網絡傳輸）
2. 內部統一使用 Unicode（u"..." 或 from __future__ import unicode_literals）
3. 邊界處理時顯式指定編碼：讀取文件、網絡請求、控制台輸出
4. 避免在代碼中硬編碼 'gbk'，使用 sys.stdout.encoding 或 locale.getpreferredencoding()
5. 新項目直接使用 Python 3.x，徹底避開編碼坑

常見錯誤對照表

總結

Python 2.x 中文亂碼本質是 編碼鏈路不一致。解決之道在於：源文件 UTF-8 保存 + 內部 Unicode 處理 + 輸出時按目標編碼序列化。理解這一原理，亂碼問題迎刃而解。強烈建議新項目遷移至 Python 3，從根源消除編碼困擾。