Python入门系列之字符编码

1.字符编码

**【**所谓unicode】

unicode是一种类似于符号集的抽象编码，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。也就是它只是一种内部表示，不能直接保存。所以存储时需要规定一种存储形式，比如utf-8和utf-16等。理论上unicode是一种能够容纳全世界所有语言文字的编码方案。（其他编码格式不再多说）

【所谓GB码】

GB就是“国标”的意思，即：中华人民共和国国家标准。GB码是面向汉字的编码，包括GB2312（GB2312-80），GBK，GB18030，表示范围从小到大递增，而且基本是向下兼容的。此外经常遇到一种叫做CP936的编码，实际上可以大概看做是GBK。

【判断编码】

1、使用isinstance(s, str)来判断一个字符串是否为一般字符串（str为ascii类型的字符串，utf-8、utf-16、GB2312、GBK等都是ascii类型的字符串）；

使用isinstance(s, unicode)来判断一个字符串是否为unicode编码形式的字符串（unicode编码的字符串才是unicode类型的字符串）。

2、使用type()或者.class

在编码正确的情况下：

例如：stra = “中”, 则使用type(stra)的结果是<type ‘str’>，表明为ascii类型字符串；

例如：strb = u"中", 则使用type(strb)的结果是<type ‘unicode’>，表明为unicode类型字符串。

3、最好的办法是使用chardet判断，特别是在web相关的操作中，例如抓取html页面内容时，页面的charset标签只是标示编码，有时候不对，而且页面内容中一些中文可能超出了标示编码的范围，此时用charset检测最为方便准确。

（1）安装办法：下载chardet后，将解压得到的char