文本和字節序列

utf-8與unicode

在通常狀況下，在內存中的使用的是unicode，而在存儲或者傳輸時，使用的utf-8．由於utf-8是是不定長，能夠減小存儲的空間，或者傳輸時的帶寬的佔用．

如何理解編碼與解碼呢？

從 Python 3 的 str 對象中獲取的元素是 Unicode 字符，這至關於從 Python 2 的 unicode 對象中獲取的元素，而不是從Python 2 的 str 對象中獲取的原始字節序列。

>>> s = 'café'
>>> len(s) # ➊
4
>>> b = s.encode('utf8') # ➋
>>> b
b'caf\xc3\xa9' # ➌
>>> len(b) # ➍
5
>>> b.decode('utf8') # ➎
'café

• 變量ｓ是一個unicode編碼，須要將它轉換成字節序列，須要對它進行編碼．這裏，能夠想一想數據通訊時，也不是須要編碼的嗎？.encode()
• 字節序列須要解碼，．decode()

處理文本文件

要儘早把輸入（例如讀取文件時）的字節序列解碼成字符串。這種三明治中的「肉片」是程序的業務邏輯，在這裏只能處理字符串對象。在其餘處理過程當中，必定不能編碼或解碼。對輸出來講，則要儘可能晚地把字符串編碼成字節序列。多數 Web 框架都是這樣作的，使用框架時不多接觸字節序列。例如，在 Django 中，視圖應該輸出 Unicode 字符串； Django 會負責把響應編碼成字節序列，並且默認使用 UTF-8 編碼。
內置的 open 函數會在讀取文件時作必要的解碼，以文本模式寫入文件時還會作必要的編碼，因此調用 my_file.read()方法獲得的以及傳給 my_file.write(text) 方法的都是字符串對象。
可是有時候，不指定編碼可能會發生錯誤．

>>> open('cafe.txt', 'w', encoding='utf_8').write('café')
4
>>> open('cafe.txt').read()  # 若是這裏的系統默認編碼不是utf-8，則會出現問題
'café'