python處理文字的功能非常強大，但是如果是初學者，沒有搞清楚python中的編碼機制，也經常會遇到亂碼或者decode error。本文的目的是簡明扼要地說明python的編碼機制，並給出一些建議。問題是我們的靶子，心中沒有問題去學習就會抓不住重點。
本文使用的程式設計環境是centos6.7，python2.7。我們在shell中鍵入python以開啟python命令列，並鍵入如下兩句話：
s = "中國zg"
e = s.encode("utf-8")
答案是不能，會報如下的錯：
unicodedecodeerror: 'ascii' codec can't decode byte0xe4in position 0: ordinal not in range(128)
請留意一下錯誤中說明的0xe4，它是我們分析錯誤的突破口。
相信很多人都遇到過這個錯誤。那麼新的問題來了。
要搞清楚原因，我們不妨認真分析下這兩句話的執行流程：
首先，我們通過鍵盤在python命令列直譯器中鍵入了中國zg並且給它加上了英文的雙引號，然後又賦值給了變數s，看起來很稀鬆平常是不是？其實裡面大有玄機。
當我們通過鍵盤在程式中輸入字元時，我們是通過作業系統完成這個功能的。我們在螢幕上看到的中國zg實際上是作業系統給我們人類的乙個反饋，告訴你：「嗨，哥們，你在程式中輸入了字元中國zg」
那作業系統給程式的反饋是什麼呢？答案就是01串，這個01串是什麼樣子，又是怎麼生成的呢？
答案就是作業系統使用自己的預設編碼方式，將中國zg進行了編碼，並把編碼後的01串給了程式。
我們用的centos系統預設的編碼是utf-8，所以，只要知道中國zg每個字元的utf-8的編碼就可以知道01串是什麼了。
查詢後，可以獲得它們的編碼是(以16進製制和2進製表示)：中國
zge4b8ad
e59bbd
7a67
11100101 10011011 10111101
11100101 10011011 10111101
01111010
01100111
現在我們知道作業系統傳給程式的01串長什麼樣子了。然後，程式會怎麼處理它呢？
程式看到這個01串被雙引號包圍著，自然知道這個01串是乙個字串。然後這個字串被賦值給了s。
到此，就是第一句的執行邏輯。
現在繼續進行第二句的執行。
e = s.encode("utf-8")的意思是將字串s用utf-8進行編碼，並將編碼後的字串賦值給e。問題來了，程式現在知道s中的01串，還知道這個01串表示的是字串，但這個字串的編碼是什麼呢？作業系統只給程式傳來了01串，並沒有告訴程式這個01串用的字元編碼是什麼。
此時，python程式就會用它自己預設的編碼當作s的編碼，進而來識別s中的內容。這個預設的編碼是ascii，所以，它會用ascii來解釋這個01串，識別出字串的內容，再將這個字串轉為utf-8編碼。
好了，程式碰到的第乙個位元組就是e4（11100101 ），傻眼！ ascii編碼中沒有這玩意兒啊。ascii編碼中位元組第一位都是0啊。
怎麼辦？
報錯唄，於是我們就看到了上面的錯誤。
錯誤中的0xe4就是字元 中 的utf8編碼的第乙個位元組。
知道問題出在**了，怎麼解決這個問題呢？
顯然，我們只要告訴程式，這個s中的01串的編碼是utf-8，程式就應該能正確工作。
但這樣的解決方法有乙個問題，就是不夠通用。
假如我有個程式，它要讀取很多文字檔案，每個文字檔案的編碼都不一樣，豈不是針對每個讀進來的檔案都維護乙個編碼資訊？很繁瑣。
進一步，如果這些文字檔案的內容還要做相互的比較連線之類的操作，編碼都不一致，豈不是更麻煩？
python是怎麼聰明地解決這個問題的呢？
很簡單，就是decode！
decode的意思是說，你有乙個字串，並且你知道它的編碼，只要你用該編碼decode這個字串，那麼，python就會識別出裡面的字元內容，同時，建乙個int陣列，將每個字元的unicode序號存進去。
所有的字串都這樣做，就可以確保在程式執行過程中，各種**獲得的字串都有一樣的表示。它們就可以方便地進行各種操作了。
上面說的 int陣列會被python封裝成乙個物件，即unicode物件。
下面，我們在python命令列中輸入如下兩行**：
e = s.decode("utf-8")
isinstance(e,unicode)
unicode在這裡是乙個類，是python裡面的類。
e 被稱作unicode字串，意思是說，它存的是字元的unicode序號，並沒有使用任何編碼。
然後，我們就可以將e編碼成任意一種編碼，比如下面的操作都是可以的
e.encode("utf-8")
e.encode("gbk")
比如，如果你嘗試這樣：
e.encode("ascii")至此，我們已經看到了兩種錯誤，decode error 和encode error，並解決了它們。
首先，這樣的處理方法非常的簡單。任何文字，只要它進入程式時進行一次decode，就會變成unicode物件，裡面用int存著每個字元的unicode序號。只要在這個文字要輸出時再進行一次encode，編碼成我們需要的編碼就可以了。
問題是，所有的字元都用乙個int來表示會不會太浪費空間？畢竟，用ascii編碼，英文的字元只要乙個位元組就可以了。
確實會費點空間，但是現在的記憶體都足夠大，而且我們只在程式內部使用這種方式，當字串要寫入檔案或者通過網路傳輸時，我們都會進行相應的編碼的。
還有乙個問題，那些寫死在程式中的字串怎麼辦？難道每次使用都要進行一次decode?不同的作業系統預設使用的編碼是不一樣的，當我們在linux下，通常需要用utf8做decode，在windows下，通常需要用gbk做 decode。這樣，我們的**就只能在特定的平台執行。
python給我們提供了乙個很簡單的辦法，只要在字串前面加乙個u，它就會幫我們探測系統的編碼，並自動完成decode。
本文用乙個很常見的錯誤為起點，詳細分析了python中的編碼問題。我們看到了python處理字元問題的簡單之處，也能夠理解為什麼python有這麼強大的文字處理功能。
**
深入淺出地，徹徹底底地理解python中的編碼
python處理文字的功能非常強大，但是如果是初學者，沒有搞清楚python中的編碼機制，也經常會遇到亂碼或者decode error。本文的目的是簡明扼要地說明python的編碼機制，並給出一些建議。問題1 問題在 問題是我們的靶子，心中沒有問題去學習就會抓不住重點。本文使用的程式設計環境是cen...
深入淺出理解索引
一 深入淺出理解索引結構 實際上，您可以把索引理解為一種特殊的目錄。sql server提供了兩種索引 聚集索引 clustered index，也稱聚類索引 簇集索引 和非聚集索引 nonclustered index，也稱非聚類索引 非簇集索引 下面，我們舉例來說明一下聚集索引和非聚集索引的區別...
深入淺出理解索引
一 深入淺出理解索引結構 實際上，您可以把索引理解為一種特殊的目錄。sql server提供了兩種索引 聚集索引 clustered index，也稱聚類索引 簇集索引 和非聚集索引 nonclustered index，也稱非聚類索引 非簇集索引 下面，我們舉例來說明一下聚集索引和非聚集索引的區別...