作者 | 天元浪子
责编 | 刘静
出品 | CSDN博客
无论是PY2还是PY3，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PY2还是PY3，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PY3给这些编码格式指定了令人困惑的名字。PY2的字符串有两种类型：Unicode类型和str类型。PY2的Unicode类型就是Unicode编码，PY2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。PY3的字符串也有两种类型：bytes类型和str类型。PY3的str类型就是Unicode编码，PY3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PY2和PY3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
>>> 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_gbk
>>> ss
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 "64>", 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abc??'
>>> 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。
版权声明：本文为CSDN博主「天元浪子」的原创文章。
想为博主点赞？
想要请教博主？
扫描下方二维码，快速获取与博主直面沟通的方式吧！
【END】
