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)<class'str'>>>>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<class ‘str’>，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)<class'bytes'>>>>len(s_utf8)15>>>s_utf8b'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)<class'bytes'>>>>len(s_gbk)11>>>s_gbkb'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>>>ssb'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(mostrecentcalllast):File"<pyshell#64>",line1,in<module>ss.decode('utf8')UnicodeDecodeError:'utf-8'codeccan'tdecodebyte0xccinposition18:invalidcontinuationbyte>>>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。
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】
太嚣张了!拿到这份Python学习资料的人!
/topic/python115?utm_source=csdn_bw
热 文推 荐
☞
