Python | Python学习之unicode和utf8

中文乱码、unicode和utf8

http://openskill.cn/article/448
https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386819196283586a37629844456ca7e5a7faa9b94ee8000

开始以前咱们先了解下ASCII、GB23十二、unicode、UTF-8都是啥？

编码演化史

---

ASCII编码

在好久好久之前，美国人发明了计算机，计算机只能处理数字也就是把文字转换为8个bit也就是一个字节，8个bit最大能表示的数字为255，而[A-Z]、[a-z]、[0-9]再加上键盘上的一些符号正好255个，因此ASCII编码就成为了美国人的标准编码(用一个字节表明一个字母或者符号)，正好也知足了美国人的需求。

GB2312

有了上面的状况，我大中国表示不服，咱们中国汉字博大精深，255个明显是知足不了咱们的需求的，因而咱们就发明了GB2312编码(用两个字节表示汉字)，不只包含了ASCII码还能表示咱们的中国的汉字，因而有了咱们中国的例子，世界各国纷纷研究出了支持本身语言的编码，在这种状况下多种语言混合显示就出现了乱码的状况了，对于这种状况就出现了unicode编码将全部语言统一到一块儿。

unicode

unicode编码的出现解决了多国语言展现乱码的问题，可是unicode的解决方案在全英文文档展现的状况下，unicode编码会比ASCII编码多一倍的存储空间(unicode的编码是16bit的，在表示ASCII编码时是直接在前面加上8个0)相应的在传输的时候就多了一倍的传输时间，在这种状况下就出现了UTF8编码。

UTF8

UTF8编码相比于8bit的ASCII编码和16bit的unicode编码来讲，UTF8编码是不定长的，它可使用两个字节表明英文，用三个字节表明中文，UTF8这个时候优点就很大了，在实际运用中，咱们能够将文件编码互相转换以获取最大化的利用内存，把文件保存在内存中咱们采用内存占用更小的UTF8编码的格式，读写文件时咱们采用更大更全的unicode编码，具体实例图以下：

示例图

代码演示

---

Python2.7

windows

在python2.7中当要将字符串encode为utf8，咱们须要确保以前的字符串的编码方式为unicode，因此当字符串编码不为unicode时，咱们须要使用decode方法，而在使用decode方法时咱们须要指明原有字符串的编码格式(在windows系统中解释器默认编码为GB2312，Linux系统中为UTF-8编码)，因此就有了s.decode("gb2312").encode("utf-8")。

decode示意图

Linux

按照上面解读，咱们在Linux系统下操做以下：

这里就有一个疑问既然原有系统默认的字符串编码为utf-8，为何不能够直接使用s.decode().encode('utf-8')？缘由就是，如若不指定原有的系统编码格式(utf-8)，Linux系统下会调用python解释器的默认编码ASCII解析字符串，演示以下：

因此在根据上面的状况，在python2中出现编码互转的状况，能够参考下图：

Python3.6

Python2.7和Python3.6最大的区别就是在执行Python2.7项目时，当项目中包含汉字时，须要在文件头声明编码格式，不然项目中的中文显示就是乱码。
而在Python3中彻底没有这样的顾虑，那是由于默认python3中所有的字符串就是unicode能够直接使用encode方法。

综上：为了不给本身添麻烦，请认准unicode和UTF-8编码。

写在后面

---

这是咸鱼的第6篇学习笔记。

推荐阅读

---

Python | Python学习之初识Scrapy

Python | Scrapy必备之配置虚拟环境

Python | Python学习之多线程详解