如何将Python 2.6项目转换为UTF-8？
我们正在将编码从latin1转换为UTF-8，并且有10万行的Python代码。
而且我对Python还很陌生（哈哈哈！）。
我已经知道，当使用str()函数处理Unicode时会出错，所以我们应该用unicode()来代替，效果几乎是一样的。
还有哪些代码部分是“危险”的呢？
有没有一些基本的指导原则或算法来帮助我们转换到UTF-8？能不能写一个自动的“代码转换器”？
3 个回答
一种快速将Python 2.x的默认编码改为UTF-8的方法是设置默认编码。不过，这种方法有一些缺点，主要是它会改变所有库和你自己应用的编码，所以使用时要小心。我的公司在生产应用中使用这种技术，效果不错。而且这种方法在Python 3中也是兼容的，因为Python 3的默认编码就是UTF-8。你仍然需要把str()改成unicode()，但就不需要在.decode()和.encode()中明确指定编码了。
能不能写一个自动的“代码转换器”？=)
不行。str和unicode是两种不同的类型，它们的用途也不同。你不应该试图在Python 2或Python 3中把每个字节字符串都替换成Unicode字符串。
继续使用字节字符串来处理二进制数据。特别是你写入文件或网络连接的数据都是字节。而用户看到的文本则应该使用Unicode字符串。
在这两者之间，有一个模糊的区域，就是内部的ASCII字符字符串，这些字符串可以是字节也可以是Unicode。在Python 2中，这些通常是字节，而在Python 3中，通常是Unicode。如果你愿意把代码限制在Python 2.6及以上版本，你可以把明确是字节的字符串标记为b''和bytes，把明确是字符的字符串标记为u''和unicode，然后用''和str来表示“默认字符串类型”的字符串。
str和unicode是类，不是函数。当你写str(u'abcd')的时候，其实是在创建一个新的字符串，这个字符串的内容是'abcd'。恰好str()可以用来把任何类型的字符串转换成ascii格式的str。
还有一些地方需要注意，比如从文件或输入中读取数据，或者说任何你从一个不是为unicode编写的函数中得到的字符串。
祝你玩得开心 :)