笔记-python字符串编码

python默认编码

python 2.x默认的字符编码是ASCII，默认的文件编码也是ASCII。

python 3.x默认的字符编码是unicode，默认的文件编码是utf-8。

中文乱码问题

无论以什么编码在内存里显示字符，存到硬盘上都是二进制，所以编码不对，程序就会出错。

常见编码有ascii编码（美国），GBK编码（中国），shift_JIS编码（日本），unicode（统一编码）等。

需要注意的是，存到硬盘上时是以何种编码存的，再从硬盘上读出来时，就必须以何种编码读，要不然就会出现乱码问题。

常见的编码错误的原因有如下，出现乱码时，按照编码之前的关系，挨个排错就能解决问题。

python解释器的默认编码；

Terminal使用的编码；

python源文件文件编码；

操作系统的语言设置。

Python支持中文的编码：utf-8、gbk和gb2312。uft-8为国际通用，常用有数据库、编写代码。gbk如windows的cmd使用。

编码转换

如果想要中国的软件可以正常的在美国人的电脑上实现，有下面两种方法：

　　让美国人的电脑都装上gbk编码

让你的软件编码以utf-8编码

第一种方法不可现实，第二种方法比较简单，但是也只能针对新开发的软件，如果之前开发的软件就是以gbk的编码写的，上百万行代码已经写出去了，重新编码成utf-8格式也会费很大力气。

所以，针对已经用gbk开发的软件项目如何进行编码转换，利用unicode的一个包含了跟全球所有国家编码映射关系的功能，就可以实现编码转换。无论以什么编码存储的数据，只要我们的软件把数据从硬盘上读到内存，转成unicode来显示即可，由于所有的系统、编程语言都默认支持unicode，所有我们的gbk编码软件放在美国电脑上，加载到内存里面，变成了unicode，中文就可正常展示。

类似用如下的转码的过程：

源有编码 -> unicode编码 -> 目的编码

decode(“UTF-8”) 解码 --> unicode --> encode(“gbk”) 编码

coding:utf-8 的作用

在python2文件中，经常在文件开头看到“ #_coding:utf-8 _ ”语句，它的作用是告诉python解释器此.py文件是utf-8编码，需要用utf-8的编码去读取这个.py文件。

python2.x的bytes与python3.x的bytes的区别

Python2将string处理为原生的bytes类型，而不是 unicode。而Python3所有的 string均是unicode类型。

在python2.x中，写字符串，比如

>>>s = ”学习“
>>>print s
学习
>>>s    # 字节类型
'\xd1\xa7\xcf\xb0'

虽然说打印的是中文学习，但是直接调用变量s时，显示的却是一个个16进制表示的二进制字节，我们称这个为byte类型，即字节类型，它把8个