對於Python中的中文字符串的處理方式
一、源代碼中的編碼方式分析
------所有的文本文件在保存的時候，都會將文本進行編碼【數據在計算機中是以二進制的方式存儲】，文本的編碼方式一般默認為ANSI編碼方式（ANSI並不是某一種特定的字符編碼，而是在不同的系統中，ANSI表示不同的編碼。在英文系統中ANSI編碼其實是ASCII編碼；在中文系統中ANSI編碼其實是GBK編碼）。
------如果代碼中包含了非ASCII字符（比如中文），而源代碼沒有聲明文件的編碼方式，編譯器就會默認以ANSI編碼方式去對代碼中的字符串進行解析，當發現字符串中包含大於127的字節時，就會報錯。因此，當源代碼中包含非ASCII字符時，需要在文件開頭聲明文件的編碼方式，如utf-8或者gbk。
------然而，文件編碼方式的聲明只能保證代碼的正常執行，並不能保證非ASCII字符串的正常輸出顯示。上述代碼在idle上輸出為正常的中文，但是在pycharm上會輸出亂碼。這是因為不同的IDE對非ASCII字符串的支持程度不同。idle在打印非ASCII字符串時，會使用文件的編碼方式將字符串解碼成unicode字符串，然后顯示到界面上；而pycharm的IDE設置中有一個IDE的編碼方式設置，如果源代碼的編碼方式與IDE的編碼方式不同，直接輸出非ASCII字符串就會出現亂碼。解決方法為將需要打印的非ASCII字符串以源代碼的編碼方式進行解碼，使之轉化為unicode字符串。所有實際內容相同的非ASCII字符串轉換為unicode編碼之后，編碼均相同。筆者猜測IDE在打印字符串的時候（不論是不是unicode字符串），會先將字符串統一轉化為unicode字符串，然后使用一套機制將unicode字符串打印出來。
二、讀寫文件時的編碼方式分析
對編碼方式有了一個初步的認識之后，下面對讀寫文件時的編碼方式進行介紹。
········文本文件都是以字節串的方式存放在硬盤中的。文本編輯器在保存文件的時候，對於非ASCII編碼的字符串（如中文），會先使用文件默認的編碼方式將其編碼為字節串（二進制字節碼）。
········程序讀取文件時（讀取文件是數據由硬盤---》內存；由二進制---》字符串），獲取到的內容仍然為編碼后的字節串【此時的編碼后的字符串並不是Unicode字符串】【此時若不進行解碼的話讀取出來的字符串會是字符串亂碼】【可以使用GBK編碼方式或者UTF-8編碼方式解碼為Unicode字符串】。
········若想要恢復文本的內容即使其正常顯示，並且對文本內容進行正常的打印，必須先將字節串解碼為unicode字符串。
a = '你好' # 存儲在內存中的對象（數據存儲在計算機內存中）（以Unicode字符串的方式存儲） print(a) # Pycharm默認設置編碼格式為UTF-8--此時打印的是Unicode字符串 s = a.encode('utf-8') # 將Unicode字符串編碼為二進制字節碼（可以理解為存儲到文件中即計算機硬盤） print(s) # 此時打印的數據是a的二進制字節碼 print(s.decode(encoding='utf-8')) # 將二進制字節碼解碼為Unicode字符串（可以理解為從文件讀取數據即從硬盤中讀取數據到內存中）
三、關於python中的不同類型數據在計算機中的存儲
python帶有三種字符串對象類型--一種用於文本數據，兩種用於二進制數據：
①str表示Unicode文本（8位和更寬的）----》若想要存儲在計算機硬盤中，需要編碼為二進制字節碼
②bytes表示二進制數據----》可以直接存儲在計算機硬盤中
③bytearray表示一種可變的bytes類型----》可以直接存儲在計算機硬盤中
注：str.encode()：把一個字符串編碼為其raw bytes形式【二進制字節碼】
bytes.decode(): 把raw bytes節碼為其字符串形式
str----->bytes,叫encode【編碼】
bytes---->str,叫decode【解碼】
常見中文編碼名稱：
編碼名稱 用途
utf-8 所有語言
gbk 簡體中文
gb2312 簡體中文
gb18030 簡體中文
big5 繁體中文
big5hkscs 繁體中文
詳細解釋：
······在計算機內存中，統一使用Unicode編碼【內存中數據體現為Unicode字符】，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼【保存到硬盤或者傳輸需要以二進制的方式】。
······用記事本編輯的時候，從文件讀取的UTF-8字符被轉換為Unicode字符到內存里【二進制數據解碼為Unicode字符】【此時可以在記事本編輯頁面看到】，編輯完成后，保存的時候再把Unicode轉換為UTF-8保存到文件【Unicode字符編碼為二進制數據】【此時文本中的數據以二進制的方式保存到計算機中】；瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器【此時Unicode字符被解碼為二進制數據】；所以你看到很多網頁的源碼上會有類似<meta charset="UTF-8"/>的信息，表示該網頁正是用的UTF-8編碼。
總結：
#中文一般是gbk碼，window的系統一般是用gbk編碼，但是用這個編碼不可以和別的國家語言通用#
#后來出了萬國碼，unicode，utf-8是它的一部分，別的任何碼都可以轉成unicode#
python3.x后都是默認用Unicode作為編碼。Unicode只能用.encode('')編碼成其他編碼，但是不編碼也可以。
#!-*- coding:utf-8 聲明，python2.7的字符編碼修改 #-*- coding:gbk -*- 聲明，python3.x的字符編碼修改 #python2.7默認是ascii碼進行解碼的 #默認用utf-8的模式時可以在字符串前加u“你好”直接說明是unicode的碼下編碼的 python轉碼后它也會將其轉成byte類型 sys.getdefaultencoding()#打印系統默認使用的編碼 type()#也可以打印編碼類型 encode編碼 decode解碼
