Python 字符串與unicode對象 關於與區別 encode、decode

做者：shede333
主頁：http://my.oschina.net/shede333 && http://blog.sina.com.cn/u/1509658847
版權聲明：原創文章，版權聲明：自由轉載-非商用-非衍生-保持署名 | [Creative Commons BY-NC-ND 3.0][]

---

#Python 字符串與unicode對象 關於與區別 encode、decode

做者：shede333
主頁：http://my.oschina.net/shede333
版權聲明：原創文章，版權聲明：自由轉載-非商用-非衍生-保持署名 | [Creative Commons BY-NC-ND 3.0][]

---

結合下面的文章的一點理解：
python 中文亂碼問題深刻分析_python_腳本之家
python的str，unicode對象的encode和decode方法（轉） - 不得閒 - 博客園
python編碼問題_百度文庫

##字符串str：
是一個字節數組， 是對unicode對象，編碼encode(utf-8,gbk,GB2312 等等)後的存儲格式，

1. 好比，str=‘哈哈’，文件頭聲明編碼爲UTF-8, 那麼，str裏面真正的內容爲 '\xe5\x93\x88\xe5\x93\x88’ (可用print repr(str)來查看)
2. 它僅僅是一個字節流，沒有其它的含義，若是你想使這個字節流顯示的內容有意義，就必須用正確的編碼格式;
3. 經過decode()接口轉變爲u’***’,
4. 想查看str裏面的具體內容，使用接口print repr(str) ，str裏面存儲的內容與項目文件指定的編碼有關

##unicode對象 u’****’： 是一個unicode對象， 經過encode()接口轉換爲str

注：在pycharm等ide 更改文件頭編碼聲明，會影響文件真正的編碼存儲，可能會影響測試結果

1. 我推斷，print str，可否成功，取決於str裏面內容的編碼，與文件頭聲明的編碼是否一致
2. 聲明一個str=‘測試’, 那麼str裏存儲的具體內容，取決於 文件頭聲明的編碼格式；（見’測試1’與’測試2’的結果區別）
   即程序會保存該漢字在指定編碼裏面字符集的字符；
3. 因此一樣的str=‘測試’聲明，不一樣的文件頭-編碼，repr(str)會輸出不一樣的內容

##開始測試驗證

測試環境 Mac OS 10.9 , Pycharm 3.0.2

###測試1.

#_*_ coding:GBK _*_
print '哈哈'.decode('gbk')
print repr('哈哈’)

輸出：
哈哈
'\xb9\xfe\xb9\xfe’

###測試2.

#_*_ coding:UTF-8 _*_
print '哈哈'.decode('utf-8')
print repr('哈哈’)

輸出：
哈哈
'\xe5\x93\x88\xe5\x93\x88'

###測試3.

文件頭 #_*_ coding:GBK _*_
print repr('哈哈’)
print '哈哈'.decode(‘utf-8')

輸出：
'\xb9\xfe\xb9\xfe’
UnicodeDecodeError: 'utf8' codec can't decode byte 0xb9 in position 0: invalid start byte

###測試4.

#_*_ coding:UTF-8 _*_
print repr('哈哈’)
print '哈哈'.decode('gbk')

輸出：
'\xe5\x93\x88\xe5\x93\x88'
鍝堝搱
注：上面輸出了亂碼