python2.x编码问题实例

1，编码问题，主要是区分面向人类的字符串，面向计算机的字节序列

在python3中，字符串是str（默认即unicode），字节序列是bytes

在python2中，字符串是unicode，字节序列是str

无论python3还是python2，从字符串向字节序列转换称为encode（编码），从字节序列向字符串转换称为decode（解码）

python2中可以通过type(s)确定是str还是unicode

如果是str，可以继续通过chardet.detect(s)确定编码类型

 

2，python2，结合type(s)，和chardet.detect(s)，实验str字符串结果如下：
#coding:utf-8
1）s1 = '人生'     # s1是str，类型是utf-8
2）s1 = '人生'.encode('gbk')     # 报错，原因是python实际执行了s = '中文'.decode('asc-ii').encode('gbk')，而ascii不支持中文
3）s1 = '人生'.decode('utf-8').encode('utf-8')     # s1是str，类型是utf-8，转换过程是utf-8、unicode、utf-8
4）s1 = '人生'.decode('utf-8').encode('gbk')     # s1是str，类型是gbk，转换过程是utf-8、unicode、gbk
5）s1 = u'人生'      # s1是unicode
6）s1 = '人生'.decode('utf-8')     # s1是unicode
7）s1 = unicode('人生' ,  'utf-8')     # s1是unicode，内部先转成str('utf-8')，再转成unicode，后面的'utf-8'改成'gbk'也行，如果不写则是通过defaultencoding转换

另外，1和3在pycharm正常打印中文，但是在windows环境下乱码，原因是windows是gbk编码，同理4正好相反，pycharm乱码但是windows正常。5、6、7在两个环境下都能正常打印中文，原因是python unicode会自动转换成环境的编码

 

3，python2.x和python3的中文支持差别
对于s = '你好'，如果要显示到windows的gbk环境：
python2中，需要经过utf-8，unicode，gbk的转换，可以是：
#coding:utf-8
print '中文'.decode('utf-8').encode('gbk')
print unicode('中文', 'utf-8').encode('gbk')
print u'中文'.encode('gbk')
python3中，str所代表的都是unicode，可以直接输出到其他环境，支持中文显示：
print('中文')