python---字符编码

1. 无论py2还是py3，字符编码之间相互转换，如gbk转换成utf-8，都需要通过unicode中转

,

2. 将非unicode转换成unicode的时候，是需要告知原本是什么类型，如原本是utf-8的，转换成unicode应如下：

string1 = "你好"

假设string1原本是utf-8,需要转换成unicode,

则转换过程为：string1.decode("utf-8")

3. 如果需要将原本为utf-8的转换为gbk，则流程应为先将string1转换成unicode，再转换成gbk

string1.decode("utf-8")

string1.encode("gbk")指定为转换后的字符编码

 

python3中，在encode的时候，不仅将字符串改变的字符编码，并且改变成二进制格式

python2中解释器的默认以ASCII码去解释文件，python3中通过utf-8去解释文件，但可以通过在文件开头以 # -*- coding:utf-8 -*- 的方式告知解释器以utf-8来解码

 

python3中，文件内的数据类型是用unicode编码的，如字符串的字符类型是unicode

import sys
print(sys.getdefaultencoding())　　　　#打印系统默认编码

s = "杭州"                    #python 3中文件内的字符串类型默认是unicode
print(s,type(s))
print(s)
s = s.encode("gbk")         #将unicode编码成gbk
print(s,"=========")
s_to_unicode = s.decode("gbk")  #将编码由gbk转换成unicode，这个意识是告知s原本是gbk的编码需要转换成unicode
print(s_to_unicode)

unicode_to_utf8 = s_to_unicode.encode("utf-8")      #将原本是unicode的转换成utf-8
print(unicode_to_utf8)
utf8_to_gb2312 = unicode_to_utf8.decode("utf-8").encode("gb2312") #将原本是utf-8的转换成gb2312,中间需要通过先decode转换成unicode，再将unicode通过encode转换成gb2312
print(utf8_to_gb2312)

 

1.在python2默认编码是ASCII, python3里默认是unicode

2.unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)， so utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间

3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string

4. ASCII占用一个字节，GBK，GB2312占用两个字节，UTF-8编码是变长编码，通常汉字占三个字节，扩展B区以后的汉字占四个字节。

 

 参考链接：http://www.cnblogs.com/yuanchenqi/articles/5956943.html