Python：一图看懂Python2还是Python3的编码
无论是Python2还是Python3，都使用unicode作为内存编码，简称内码。保存在python解释器内存中的文本，输出到屏幕、编辑器，或者保存成文件的时候，都要将内码转换成utf8或者gbk等编码格式；同样，python解释器从输入设备接收文本，或者从文件读取文本的时候，都要将utf8或者gbk等编码转换成unicode编码格式。因此，无论是Python2还是Python3，想要在unicode、utf8、gbk等编码格式之间转换的话，下图是通用的： 我们之所以会产生困惑，是因为py2和Python3给这些编码格式指定了令人困惑的名字。Python2的字符串有两种类型：unicode类型和str类型。Python2的unicode类型就是unicode编码，Python2的str类型泛指除unicode编码之外的所有编码，包括ascii编码、utf8编码、gbk编码、cp936编码等。Python3的字符串也有两种类型：bytes类型和str类型。Python3的str类型就是unicode编码，Python3的bytes类型泛指除unicode编码之外的所有编码，包括ascii编码、utf8编码、gbk编码、cp936编码等。同样是str类型，在Python2和Python3中完全颠倒了！下图稍微补充了一点内容，更有助于理解编码问题。 接下来，我们实战演练一下。 s = 'abc天圆地方'type(s)len(s) 7 s 'abc天圆地方' print(s) abc天圆地方 s.encode('unicode-escape') b'abc\u5929\u5706\u5730\u65b9'不管是否在字符串前面加了u，只要不在字符串前面使用b，在IDLE中定义的字符串都是unicode编码，也就是py3的，其长度就是字符数量，不是字节数。我们把unicode字符串’abc天圆地方’转成utf8编码： s_utf8 = s.encode('utf8')type(s_utf8) len(s_utf8) 15 s_utf8 b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' print(s_utf8) b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' s_utf8.decode('utf8') 'abc天圆地方'utf8编码就是bytes类型（字节码），长度就是字节数量。我们把unicode字符串’abc天圆地方’转成gbk编码： s_gbk= s.encode('gbk')type(s_gbk) len(s_gbk) 11 s_gbk b'abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' print(s_gbk) b'abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' s_gbk.decode('s_gbk') 'abc天圆地方'gbk编码也是bytes类型（字节码），长度也是字节数量。我们再来看看，不同编码的字节码能否连接： ss = s_utf8 + s_gbkss b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' ss.decode('utf8') Traceback (most recent call last): File "", line 1, in ss.decode('utf8')UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcc in position 18: invalid continuation byte ss.decode('gbk') 'abc澶╁渾鍦版柟abc天圆地方' ss.decode('utf8', 'ignore') 'abc天圆地方abcԲط' ss.decode('gbk', 'ignore') 'abc澶╁渾鍦版柟abc天圆地方'看以看出，不同编码的字节码可以连接，但一般不能解码成unicode（字符串），除非使用ignore参数。
