Python的str和unicode

Python 2和3针对字符串是不同的。对应关系以下：

Python 2.*	Python 3.*
str	unicode
bytes	str

Python3我没有测试，下面主要谈谈Python2上的编码。

Python2中str表明字符串，unicode你懂得。Python内部主要是使用unicode，因此unicode属于内部使用，str是为了给人阅读。

示例（windows中文版环境）：

>>> sys.version
'2.7.8 (default, Jun 30 2014, 16:08:48) [MSC v.1500 64 bit (AMD64)]'
>>> s='你好'
>>> u=u'你好'
>>> s
'\xc4\xe3\xba\xc3'
>>> u
u'\u4f60\u597d'
>>> print s
你好
>>> print u
你好
>>>

经常使用的两个方法：

1 str的decode方法。

2 unicode的encode方法。

因为Python内部语言级别使用unicode，因此一个unicode须要编码（encode）变为str，而反过来str是便于人阅读用的，是从unicode通过encode过来的，因此str的decode方法是变回unicode。

例如：

>>> s
'\xc4\xe3\xba\xc3'
>>> print s
你好
>>> u
u'\u4f60\u597d'
>>> print u
你好
>>> s.decode('gbk')
u'\u4f60\u597d'
>>> u.encode('gbk')
'\xc4\xe3\xba\xc3'
>>>

可是：str也有encode方法。而unicode也有decode方法。它们怎么使用呢？

两种状况：

1 字符是英文等单字节字符，那么str的encode方法，与unicode(str)的encode的效果是同样的。即不变。而unicode的decode方法和str(unicode)的decode方法是同样的。

2 字符是多字节字符（例如中文，日语等）。那么str的encode方法和unicode的decode方法都会报错。

>>> s='hello'
>>> s
'hello'
>>> s.encode('gbk')
'hello'
>>> unicode(s,'gbk').encode('gbk')
'hello'

>>> s='你好'
>>> s
'\xc4\xe3\xba\xc3'
>>> print s
你好
>>> s.encode('gbk')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 0: ordinal not in range(128)

>>> u=u'hello'
>>> u
u'hello'
>>> u.decode('gbk')
u'hello'
>>> str(u).decode('gbk')
u'hello'

>>> u=u'你好'
>>> u
u'\u4f60\u597d'
>>> print u
你好
>>> u.decode('gbk')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
>>>

因此调用encode和decode方法时必须主要调用者是str仍是unicode。