python字符串的编码格式

参考网站: http://www.cnblogs.com/siqi/archive/2012/11/10/2763598.html

环境：

win7 x64

python v2.7.10

结论：

1 当在py文件开头设置# -*- coding: utf-8 -*-时，"汗" 表示utf-8编码的字符串，u“汗”表示ucs-2格式的字符串

2 字符串的成员函数decode，encode是相对于ucs-2来说的，即如果一个字符串的当前的编码格式是ucs-2是代表没有编码状态，其他的代表编码状态。

3 不同的编码字符串进行转换需要先将原编码格式的字符串解码成ucs-2格式， 然后在编码成目标编码格式

4 代表编码格式的字符串不区分大小写，并且允许前后有空格， 例如“utf-8” 跟“UTF-8” “ utf-8 ”一样

测试代码：

#!/usr/bin/python

# -*- coding: utf-8 -*-

def test():

sss = "汗"

print repr(sss)#utf-8

aaa = sss.decode('UTF-8')

print repr(aaa)#ucs-2

sss = aaa.encode(' gb2312 ')

print repr(sss)#gb2312

if __name__ == '__main__':

test()

其他相关：

HTTP响应的数据起码有三个地方可以埋藏编码信息：

1，http头中的Content-Type
2，html页面中的meta标签中指定charset
3，页面正文数据（浏览器可以解析正文二进制码来判断编码）

浏览器可以从这三个地方获得HTTP响应报文的编码，此外还有两个因素，浏览器默认编码和操作系统语言类型。

如果三者编码不一致，浏览器会首先读取http头中的content-type，若没有设定编码，再查找页面中meta标签中的charset设定，如果 还没有就以浏览器默认编码来显示，如果默认编码没有指定，浏览器会通过解析正文内容来判断编码。所以，页面是gbk编码，即便meta属性中设置 charset=utf-8，只要content-type中设定为gbk（或者GB2312、GB18030），该页面就正常显示，如果这时没有设定 content-type的编码，浏览器就会以meta中的charset属性为准，页面出现乱码。