一篇文章搞懂python二、3編碼

說在前邊：

　　編碼問題一直困擾着每個程序員的編程之路，若是不將它完全搞清楚，那麼你的的這條路必定會走的格外艱辛，尤爲是針對使用python的程序員來講，這一問題更加顯著，

　　由於python有兩個版本,這兩個版本編碼格式卻徹底不一樣，但咱們卻常常須要兼顧這兩個版本，因此出現各類問題的概率就大了不少。

　　因此在這裏我試圖用一篇文章來完全梳理整個python語言的編碼問題，儘可能下降之後在這方面舉到問題的可能性。

　　ps 此文必定程度上參考和引用了alex的博客：「https://www.cnblogs.com/alex3714/articles/7550940.html」

說編碼，首先得知道什麼是編碼，爲何會有編碼：

　　百度百科上的解釋是：「編碼是信息從一種形式轉換爲另外一種形式的過程」，這實際上是一個過程，而咱們常說的「編碼問題」，其實更多的是指「編碼格式問題」。

　　常見的編碼格式有：

　　　　ASCII  佔一個字節，只支持英文

　　　　GB2312  佔2個字節，支持6700多個漢字

　　　　GBK   GB2312的升級版，支持的漢字更多（21000+漢字）

　　　　Shift-JIS  日本字符

　　由於計算機只識別二進制，每一個字符想要被計算機識別，那麼它就須要有字符和二進制之間的對應關係，而每一個國家都有本身的字符，可是也僅包含本國字符，

　　致使本國軟件、系統，到了國外就會亂碼，從而爲了解決這一問題，「萬國碼」（Unicode）出現了，它包含了全球全部文字和其二進制的對應關係。

　　Unicode 2-4字節，已經收錄了136690+字符，且依舊在擴充。

　　它支持全球全部語言，每一個國家都不用使用原先的本國編碼，用Unicode就萬事大吉。

　　Unicode解決了字符和二進制之間的對應關係，可是仍有一個問題沒有解決，那就是空間問題，由於Unicode使用2-4個字節標識一個字符，二原先的ASCII碼雖然只支持英文，

　　可是一個英文字母只佔1個字節，原先 「Python」 用ASCII佔6字節，如今用Unicode卻要佔12字節，在存儲和網絡傳輸過程當中是很大的負擔，因此推生出另外一種編碼出現：

　　"UTF" (Unicode Transformation Format)，即對Unicode的轉換，目的是存儲和傳輸過程當中節省空間。

　　UTF-8 : 使用 一、二、三、4個字節表示全部字符，優先使用1個字符，沒法知足即增長一個字節，最多使用4字節：英文1字節，歐洲語系2字節，東亞3字節(中文)，特殊字符4字節。

　　UTF-16： 使用二、4個字節表示全部字符；優先使用2個字節，不然使用4個字節表示。

　　UTF-32： 使用4個字節表示全部字符；

　　（UTF是爲Unicode編碼格式設計的一種在存儲與運輸時節省空間的編碼方案）

總體編碼背景說完，咱們該來講說python的編碼了：

　　因爲最開始出現的時python2，因此咱們從它開始說：

　　龜叔當初開發python時，估計沒想到它會這兒的火，因此就將ASCII來看成了默認編碼，因此python中的默認編碼是ASCII.

　　

　　

　　

 

 

 　　咱們在python中輸入 s = '宋訟頌'後，使用print來打印，確實是「宋訟頌」沒錯，可是當你直接調用s時，卻出現的是一個個的16進製表示的二進制字節，咱們將其稱之爲bytes類型（字節類型）

　　咱們打印出它的類型，確是「str」,實際上在 python2中 bytes == str ,而後python2中還有一個單獨的類型，就是unicode，將str解碼後就變成了unicode，而後當你想從unicode編碼轉成gbk編碼時，

　　只須要在對其進行編碼，就ok，因此咱們必定要記住，unicode是橋樑，任何兩種編碼想要相互轉換，都須要decode('utf-8')將其先轉爲unicode，再通過encode()轉換爲想要的編碼。

　　

python3橫空出世：

　　在2008年，python3橫空出世，不兼容python2，字符串變成了unicode， 文件默認編碼變爲了utf-8,意味着只要用python3編寫的代碼，不管程序是以哪一種編碼開發的，任何電腦均可以顯示。

　　這時的str和bytes已經不一樣了，str就是unicode格式的字符串，可是bytes就是單純的二進制文件啦。

　　

 

　　 

 

 　　從這張圖咱們就能夠看到，這時的字符串已是unicode類型了，因此就不能decode()了。

　　而bytes已經僅僅表示二進制文件啦。