Python编码问题小结

开门见山

decode的作用是将其他编码的字符串转换成Unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成Unicode编码。

encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将Unicode编码的字符串str2转换成gb2312编码。

python是个容易出现编码问题的语言。

首先，要了解几个概念。

• 字节：计算机数据的表示。8位二进制。可以表示无符号整数：0-255。下文，用“字节流”表示“字节”组成的串。

• 字符：英文字符“abc”，或者中文字符“你我他”。字符本身不知道如何在计算机中保存。下文中，会避免使用“字符串”这个词，而用“文本”来表示“字符”组成的串。

• 编码（动词）：按照某种规则（这个规则称为：编码（名词））将“文本”转换为“字节流”。（在python中：unicode变成str）

• 解码（动词）：将“字节流”按照某种规则转换成“文本”。（在python中：str变成unicode）

实际上，任何东西在计算机中表示，都需要编码。例如，视频要编码然后保存在文件中，播放的时候需要解码才能观看。

• unicode：unicode定义了，一个“字符”和一个“数字”的对应，但是并没有规定这个“数字”在计算机中怎么保存。（就像在C中，一个整数既 可以是int，也可以是short。unicode没有规定用int还是用short来表示一个“字符”）

• utf8：unicode实现。它使用unicode定义的“字符”“数字”映射，进而规定了，如何在计算机中保存这个数字。其它的utf16等都是unicode实现。

总结：

编码是把文本（字符串）转换成字节流，Unicode格式转换成其他编码格式

解码是把字节流转换成字符串（文本），其他编码格式转成Unicode

　参考文档：http://blog.51cto.com/12676522/2057411