python編碼encode和decode

計算機里面，編碼方法有很多種，英文的一般用ascii,而中文有unicode，utf-8,gbk,utf-16等等。

unicode是 utf-8,gbk,utf-16這些的父編碼，這些子編碼都能轉換成unicode編碼，然后轉化成子編碼，例如utf8可以轉成unicode，再轉gbk，但不能直接從utf8轉gbk

所以，python中就有兩個方法用來解碼（decode）與編碼（encode），解碼是子編碼轉unicode，編碼就是unicode轉子編碼

1.編碼

#encoding=utf-8
c=u'\u5f00\u59cb\u6267\u884c\u66f4\u65b0\u547d\u4ee4'
print c
print c.encode('utf8')
print c.encode('gbk')

在這里，文件的編碼方式為utf8,控制台的編碼方式是utf8
變量c是一個unicode編碼的字符串（需要在引號前面加u）

輸出的結果為：

開始執行更新命令
開始執行更新命令
��ʼִ�и�������

因為控制台是utf8編碼，所以unicode編碼和utf8編碼都能識別，但是gbk就不可以了
2.解碼

#encoding=utf-8
a = '中文'
print a.decode('g')
print [a.decode('g')]

這里a為utf8編碼，decode方法將utf8解碼為unicode編碼
輸出結果：

中文
[u'\u4e2d\u6587']

由於控制台能識別unicode編碼，所以需要把字符串放在列表里面才能看到unicode源碼

#encoding=utf-8
a = '中文'
print [a.decode('gbk')]

因為a是utf8編碼的，如果將a用gbk解碼，程序就會報錯

UnicodeDecodeError: 'gbk' codec can't decode bytes in position 2-3: illegal multibyte sequence

 

 

a = '中文'
print a.decode('utf-16')

如果用utf-16解碼方法解碼utf-8的字符串，程序並不會報錯（可能因為它們的編碼方式相似），但是返回的是亂碼：

룤螖

 

 

如果一個字符串為unicode碼，又沒有u標識，可以這樣來轉換成中文

a='\u8054\u76df\u533a'
b="u'%s'"%a

print eval(b)

 

 

后記

1.如果想知道一個字符串是什么編碼，可以print [字符串] 來看二進制碼 

[u'\u76ee\u6807\u533a\u670d']
['\xe7\x9b\xae\xe6\xa0\x87\xe5\x8c\xba\xe6\x9c\x8d']

第一個是unicode，第二個是utf-8