一、字符編碼應用之Python
1.1 執行Python程序的三個階段
Python test.py（我再強調一遍，執行test.py的第一步，一定是先將文件內容從硬盤讀入到內存中）
test.py文件內容以gbk格式保存的，內容為：
- 階段一：啟動Python解釋器
- 階段二：Python解釋器此時就是一個文本編輯器，負責打開文件test.py,即從硬盤中讀取test.py的內容到內存中
此時，Python解釋器會讀取test.py的第一行內容，#coding:utf-8或＃-*-coding:utf-8-*-，以此決定以什么編碼格式將代碼讀入內存，這一行就是設定Python解釋器這個軟件使用的編碼格式。
可以用sys.getdefaultencoding()查看，如果不在Python文件指定頭信息＃-*-coding:utf-8-*-，那就使用Python默認的編碼格式。
import sys
sys.getdefaultencoding()
'utf-8'
Python2中默認使用ascii，Python3中默認使用utf-8。
改正：在test.py指定文件頭，字符編碼一定要為gbk。即更正為
#coding:gbk
你好啊
- 階段三：讀取已經加載到內存的代碼（Unicode編碼格式），然后執行，執行過程中可能會開辟新的內存空間，比如name="nick"
內存的編碼使用Unicode，不代表內存中全都是Unicode，因為在程序執行之前，內存中確實都是Unicode,比如從文件中讀取了一行name="nick"，其中的name、等號、引號的地位都一樣，都是普通字符而已，都是以Unicode的格式存放於內存中的。
但是程序在執行過程中，會申請內存（與程序代碼所存在的內存是倆個空間）用來存放Python的數據類型的值，而Python的字符串類型又涉及到了字符的概念。
比如name="nick",會被Python解釋器識別為字符串，會申請內存空間來存放字符串類型的值，至於該字符串類型的值被識別成何種編碼存放，這就與Python解釋器的有關了，而Python2與Python3的字符串類型又有所不同。
二、Python2與Python3字符串類型的區別
2.1 Python2
在Python2中有兩種字符串類型str和Unicode。
2.1.1 str類型
當Python解釋器執行到產生字符串的代碼時（例如x='上'），會申請新的內存地址，然后將'上'編碼成文件開頭指定的編碼格式
因為直接print()會自動轉換編碼，我們使用encode()方法查看'上'的字符編碼。
# 三、Python2中代碼
# 四、coding:gbk
x = '上'
y = '下'
print([x, y]) # ['\xc9\xcf', '\xcf\xc2']
# 五、\x代表16進制，此處是c9cf總共4位16進制數，一個16進制四4個比特位，4個16進制數則是16個比特位，即2個Bytes，這就證明了按照gbk編碼中文用2Bytes
print(type(x),type(y)) # (<type 'str'>, <type 'str'>)
理解字符編碼的關鍵！！！
內存中的數據通常用16進制表示，2位16進制數據代表一個字節，如\xc9，代表兩位16進制，一個字節
gbk存中文需要2個bytes，而存英文則需要1個bytes，它是如何做到的？？？！！！
gbk會在每個bytes，即8位bit的第一個位作為標志位，標志位為1則表示是中文字符，如果標志位為0則表示為英文字符。
x='你a好'
轉成gbk格式二進制位：8bit+8bit+8bit+8bit+8bit=(1+7bit)+(1+7bit)+(0+7bit)+(1+7bit)+(1+7bit)
這樣計算機按照從左往右的順序讀：
- 連續讀到前兩個括號內的首位標志位均為1，則構成一個中午字符：你
- 讀到第三個括號的首位標志為0，則該8bit代表一個英文字符：a
- 連續讀到后兩個括號內的首位標志位均為1，則構成一個中午字符：好
也就是說，每個Bytes留給我們用來存真正值的有效位數只有7位，而在Unicode表中存放的只是這有效的7位，至於首位的標志位與具體的編碼有關，即在Unicode中表示gbk的方式為：(7bit)+(7bit)+(7bit)+(7bit)+(7bit)
按照上圖翻譯的結果，我們可以去Unicode關於漢字的對應關系中去查：鏈接：https://pan.baidu.com/s/1dEV3RYp
可以看到“上”對應的gbk（G0代表的是gbk）編碼就為494F，即我們得出的結果，而上對應的Unicode編碼為4E0A，我們可以將gbk-->decode-->Unicode。
# 六、Python2中代碼
# 七、coding:gbk
x = '上'.decode('gbk')
y = '下'.decode('gbk')
print([x, y]) # [u'\u4e0a', u'\u4e0b']
7.0.2 Unicode類型
當Python解釋器執行到產生字符串的代碼時（例如s=u'林'），會申請新的內存地址，然后將'林'以Unicode的格式存放到新的內存空間中，所以s只能encode，不能decode。
# 八、Python2中代碼
# 九、coding:gbk
x = u'上' # 等同於 x='上'.decode('gbk')
y = u'下' # 等同於 y='下'.decode('gbk')
print([x, y]) # [u'\u4e0a', u'\u4e0b']
print(type(x),type(y)) # (<type 'Unicode'>, <type 'Unicode'>)
對於print需要特別說明的是：當程序執行時，比如x='上' # gbk下，字符串存放為\xc9\xcf。
print(x)這一步是將x指向的那塊新的內存空間（非代碼所在的內存空間）中的內存，打印到終端，按理說應該是存的什么就打印什么,但打印\xc9\xcf，對一些不熟知Python編碼的程序員，立馬就懵逼了，所以龜叔自作主張，在print(x)時，使用終端的編碼格式，將內存中的\xc9\xcf轉成字符顯示，此時就需要終端編碼必須為gbk，否則無法正常顯示原內容：上。
對於Unicode格式的數據來說，無論怎么打印，都不會亂碼
Unicode這么好，不會亂碼，那Python2為何還那么別扭，搞一個str出來呢？Python誕生之時，Unicode並未像今天這樣普及，很明顯，好的東西你能看得見，龜叔早就看見了，龜叔在Python3中將str直接存成Unicode，我們定義一個str，無需是否加u前綴，就是一個Unicode，屌不屌？
9.1 Python3
Python3中str都是Unicode編碼的，所以Python3中的str類型的數據可以編碼成其他字符編碼的格式，編碼的結果為bytes類型。
# coding:gbk
x = '上' # 當程序執行時，無需加u，'上'也會被以Unicode形式保存新的內存空間中,
print(f"type(x): {type(x)}") # <class 'str'>
# x可以直接encode成任意編碼格式
print(f"x.encode('gbk'): {x.encode('gbk')}") # b'\xc9\xcf'
print(f"type(x.encode('gbk')): {type(x.encode('gbk'))}") # <class 'bytes'>
type(x): <class 'str'>
x.encode('gbk'): b'\xc9\xcf'
type(x.encode('gbk')): <class 'bytes'>
很重要的一點是：看到Python3中x.encode('gbk') 的結果\xc9\xcf正是Python2中的str類型的值，而在Python3是bytes類型，在Python2中則是str類型。
總而言之
| 代碼詳情 | Python2執行情況 | Python3執行情況 |
|---|---|---|
| # coding:gbk print('中') 終端：utf8 |
亂碼 | 不亂碼 |
| # coding:utf8 print('中') 終端：utf8 |
不亂碼 | 不亂碼 |
| # coding:gbk print(u'中') 終端：utf8 |
不亂碼 | 不亂碼 |
| # coding:utf8 print(u'中') 終端：utf8 |
不亂碼 | 不亂碼 |
在Python2中如果指定了字符編碼，那么內存存取就會按照指定的字符編碼去入內存。解釋或去執行時就要按照指定了的字符編碼去解釋，否則就會亂碼。 否則可以在定義變量前面加上u，這樣變量就會以unicode編碼存入內存。
如：
#coding:gbk
name = "爸爸"
但在Python3中就不會有這樣的問題，因為無論你指定了什么字符編碼，在內存存取時都會使用Unicode編碼去入內存，Unicode編碼可以和任意的字符編碼相互轉換，並在讀取時按照所需的編碼區讀取，這樣就很好解決了字符編碼的問題