一、Python字符编码介绍
1、须知：
在python 2中默认编码是 ASCII，而在python 3中默认编码是 unicode
unicode 分为utf-32 (占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)，所以utf-16 是最常用的unicode版本，但是在文件里存的还是utf-8，因为utf8省空间
在python 3,encode编码的同时会把stringl变成bytes类型，decode解码的同时会把bytes类型变成string类型
在unicode编码中 1个中文字符=2个字节，1个英文字符 = 1个字节，切记：ASCII是不能存中文字符的
utf-8是可变长字符编码,它是unicode的优化，所有的英文字符依然按ASCII形式存储，所有的中文字符统一是3个字节
unicode包含了所有国家的字符编码，不同字符编码之间的转换都需要经过unicode的过程
python本身的默认编码是utf-8
2、py2中的编码和转码的过程，如图：
注：因为unicode是中间编码，任何字符编码之前的转换都必须解码成unicode，在编码成需要转的字符编码
二、字符编码的转换
1、py2字符编码的转换，代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
#! /usr/bin/env python
# -*- coding:utf-8 -*-
# __auther__ == luoahong
s
=
"我是学员"
#utf-8解码成unicode编码
s_to_unicode
=
s.decode(
"utf-8"
)
print
(
"--------s_to_unicode-----"
)
print
(s_to_unicode)
#然后unicode再编码成gbk
s_to_gbk
=
s_to_unicode.encode(
"gbk"
)
print
(
"-----s_to_gbk------"
)
print
(s_to_gbk)
#gbk解码成unicode再编码成utf-8
gbk_to_utf8
=
s_to_gbk.decode(
"gbk"
).encode(
"utf-8"
)
print
(
"------gbk_to_utf8-----"
)
print
(gbk_to_utf8)
#输出
-
-
-
-
-
-
-
-
s_to_unicode
-
-
-
-
-
我是学员
-
-
-
-
-
s_to_gbk
-
-
-
-
-
-
�����˧
-
-
-
-
-
-
gbk_to_utf8
-
-
-
-
-
我是学员
|
注：以上这种情况适合字符是非unicode编码请款下，但是如果字符编码已经是Unicode的了咋办呢？广告回来，更加精彩。。。。。
2、字符编码已经是unicode情况下，代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#! /usr/bin/env python
# -*- coding:utf-8 -*-
# __auther__ == luoahong
#u代码字符编码是unicode
s
=
u
'你好'
#已经是unicode，所以这边直接是编码成gbk
s_to_gbk
=
s.encode(
"gbk"
)
print
(
"----s_to_gbk----"
)
print
(s_to_gbk)
#这边再解码成unicode然后再编码成utf-8
gbk_to_utf8
=
s_to_gbk.decode(
"gbk"
).encode(
"utf-8"
)
print
(
"-----gbk_to_utf8---"
)
print
(gbk_to_utf8)
#输出
-
-
-
-
s_to_gbk
-
-
-
-
���
-
-
-
-
-
gbk_to_utf8
-
-
-
你好
|
注：在python2中，在文件的开头指定字符编码，是要告诉解释器我现在的字符编码使用的是utf-8，那我在打印的中文时候，那么在utf-8中包含中文字符，那么可以打印出来。那么如果你不制定字符编码，默认使用系统编码，如果你的系统编码是ASCII，那么就会报错，因为ASCII不能存中文字符。
3、py3的字符编码转换
在须知中已经说到python 3的编码，默认是unicode，所以字符编码之间的转换不需要decode过程，直接encode即可，代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
#! /usr/bin/env python
# __auther__ == luoahong
#无需声明字符编码，当然你声明也不会报错
s
=
'你好'
# 字符串s已经是unicode编码，无需decode,直接encode
s_to_gbk
=
s.encode(
"gbk"
)
print
(
"----s_to_gbk----"
)
print
(s_to_gbk)
#这边还是一样，gbk需要先解码成unicode，再编码成utf-8
gbk_to_utf8
=
s_to_gbk.decode(
"gbk"
).encode(
"utf-8"
)
print
(
"-----gbk_to_utf8---"
)
print
(gbk_to_utf8)
#解码成unicode字符编码
utf8_decode
=
gbk_to_utf8.decode(
"utf-8"
)
print
(
"-------utf8_decode----"
)
print
(utf8_decode)
#输出
-
-
-
-
s_to_gbk
-
-
-
-
b
'\xc4\xe3\xba\xc3'
-
-
-
-
-
gbk_to_utf8
-
-
-
b
'\xe4\xbd\xa0\xe5\xa5\xbd'
-
-
-
-
-
-
-
utf8_decode
-
-
-
-
你好
|
注：在python 3,encode编码的同时会把stringl变成bytes类型，decode解码的同时会把bytes类型变成string类型，所以你就不难看出encode后的把它变成了一个bytes类型的数据。还有需要特别注意的是：不管是否在python 3的文件开头申明字符编码，只能表示，这个python文件是这个字符编码，文件中的字符串还是unicode，如下图：
三、总结：
1、uniocode能识别所有字符编码的字符串
2、在python 2中，字符编码之间的转化需要通过unicode才能转换，所以打印时，可以是使用unicode，也可以使用对应的字符编码(文件开头指定编码)，打印字符或者字符串，因为py2中没有对字符和字节做明显区分， 所以才混导致这样的结果。
3、在python 3中，只有通过Unicode去识别字符的，如果转成编码成对应编码格式了，就直接变成对应编码的bytes类型的字节码，也就是二进制，需要识别，必须解码成Unicode才能识别
更多关于Python字符编码转码问题请查看下面的相关链接
转发链接：https://www.jb51.net/article/179894.htm
原文链接：https://www.cnblogs.com/luoahong/p/7159852.html