python2的编码问题

在使用Python2做中文相关代码时候，如果不是很熟悉Python2中的编码，那么十有八九你会被这个搞的很烦，所以下面就把编码问题搞个明白

名词解释

ASCII码

个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。

ASCII码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0

Unicode编码

英语只用ASCII码就足够了，但其它语言不行啊，所以就会有很多编码方式。编码方式不同，就会出现乱码的问题。

那么这时候有这么一种编码，把所有的符号都纳入其中，就不再会有乱码的问题，这就是Unicode。

UTF-8

UTF-8就是Unicode的一种实现方式，是当前比较通用的一种编码方式。为什么不直接用Unicode呢，因为太浪费空间了。

为什么要编码和解码

计算机内存中，统一使用Unicode编码，需要保存或者传输时，转换成UTF8编码。

那么编码就是从Unicode转换成UTF-8或者ASCII，解码就是从UTF-8或ASCII转化为Unicode。

编码和解码是为了不出先乱码，可以正常的读写。

Python2中的编码

声明文件

Python2中默认的文件编码格式为ASCII码，所以我们一般会在文件开头声明文件编码为UTF-8.

# -*- coding: utf-8 -*-

1. 如果不设置声明文件，则按照python2默认的ASCII码编码方式
2. 如果声明编码和实际编码不一致，则会按照实际编码读取

str和unicode

其次Python2中的有两种类型，一种是 str，另一种是 unicode,如下

str1 = '中国'
print type(str)   #str
str2 = u'中国'
print type(str2)  #unicode

从str到unicode为解码，从unicode到str为编码，在输出的时候，输出为unicodes时可以正常显示，这样是较为通用的一种形式。

# -*- coding:utf-8 -*-

str1 = u"你好"
print str1  # unicode正常输出
str2 = str1.encode('utf-8') # 编码为UTF-8的格式
print str2    # 乱码
str3 = str1.encode('gbk')   # 编码为GBK格式
print str3    # gbk格式正常输出

输出unicode不会乱码，windows下控制台的编码格式为gbk，所以编码为gbk格式不会出错，但编码为UTF-8和控制台gbk不符所以乱码。

# -*- coding:utf-8 -*-

str1 = "你好"
print str1  # 编码UTF-8 乱码
str2 = str1.decode('utf-8') # 解码为unicode
print str2  # unicode正常显示
str3 = str1.decode('utf-8').encode('gbk') # 编码为gbk和控制台一致正常显示

总结

文件实际编码格式和声明编码格式统一采用UTF-8，涉及到存储相关的统一转换为unicode，输出时候再转换为UTF-8或者gbk即可。

--EOF--