Python與C 資料互動編碼問題

在寫後台的時候遇到乙個需求：

我的python後台伺服器需要建立乙個服務端socket跟c++客戶端進行一些資料的互動

出現問題：

python socket.recv（1024）接收到的資料是格式不正確的。

比如客戶端傳過來的資料格式是「4,10080」

服務端接收到的資料格式是「 4， 1 0 0 8 0」

分析問題：

客戶端傳輸過來的資料型別是unicode，但是並不知道是什麼樣的編碼解碼型別，坑！！！非常坑！！！

然後列印python接收到的初始資料發現是str型別，說明了python的socket.reccv（）對資料流進行了編碼

於是在嘗試了n種解碼方式以後終於發現，用「utf-16」的解碼方式能夠從原始接收資料中得到正確的unicode資料

第二波問題：

在獲取到正確的unicode資料進行多種方式編碼，發現編碼後的string資料都是「4， 10080/x00」

第二波分析問題：

因為未知客戶端那邊的編碼解碼方式，是不是因為我的編碼方式和客戶端的解碼方式是不一樣的，所以取到的資料是不正確的

結論：

1. unicode的出現是在c和c++之後，也就是說c和c++的unicode資料預設是沒有編碼解碼型別，但是人為強加轉換好像也是可以的，這點我不確定。所以「我的編碼方式和客戶端的編碼方式不一致導致問題」的猜想是不對的。

2. c++的客戶端程式是mfc程式，發過來的資料型別是cstring，c++的字串是以/0字元結尾的，所以/x00應該是結束符的轉換導致的結果，後來換了別的資料也是同樣有一樣的後面字元，加深了我對這個猜想的認證

吸取教訓：

1. 不同的程式語言之間進行資料的互動時，特別是有中文資料的時候！！如果使用的是python，一定要了解好編碼和解碼的字符集型別，是utf-8還是gbk或者其他，這個處理會減少很多不必要的bug

2. 在除錯的時候，如果是在cmd視窗除錯，也要注意顯示的程式的預設字符集，因為cmd的視窗預設字符集型別是gbk，如果是utf16的資料在上面顯示就是會不正常的，最好是有資料匹配，不一定眼見為實