python2編碼的問題

1，python2的預設編碼是ascii碼。

2，python2中有2中資料模型來支援字串這種資料型別，分別為str和unicode。

3，uncode轉換為其他編碼是encode，其他編碼轉換成unicode是decode(解碼)。所以unicode是核心，比如你現在有個gbk的字串，如果想要變成utf-8，那你需要先decode然後在encode才行。

4，檔案開頭宣告的編碼與定義str是有關係的。str有utf-8 gbk gb2312 ascaii等。

比如:

#!/usr/bin/env python
# *-*coding:utf-8 *-*
s = '中國'
print(type(s))
結果：

可以發現s是乙個字串，但其實它的編碼也是utf-8，因為開頭的宣告變數就是utf-8。

#!/usr/bin/env python
# *-*coding:utf-8 *-*
s = '中國'
print(type(s))
data = s.decode('utf-8')
print(data)
print(type(data))
結果：中國

可以發現s.decode（『utf-8』）就將s解碼為unicode，這個時候data就可以編碼為其他的格式了。

比如：

#!/usr/bin/env python
# *-*coding:utf-8 *-*
s = '中國'
print(type(s))
s_unicode = s.decode('utf-8')
s_gbk = s_unicode.encode('gbk')

上述結果會輸出乙個gbk編碼的字串，但是可能會顯示亂碼。這個取決於你的終端。如果你使用的是windows 的cmd視窗，預設是gbk的話，就會顯示出來了，但是如果你使用的是linux的終端或者pycharm執行會亂碼。

5，上面說到一點，python2預設使用的是ascii碼作為預設編碼，所以會有乙個問題。如下：

這就納悶了，我剛剛明明是編碼，為啥會顯示解碼呢？就算是解碼為啥會是ascii碼呢？這個就和python2麼預設編碼有關係了。

因為python2預設在我編碼的時候用預設的ascii碼給我解碼，所以

s.encode('utf-8') 過程是 s.decode('ascii').encode('utf-8' ) ，而s沒辦法解碼為unicode。因為它其實本質上是utf-8，所以這也就無法解碼了，報錯了。

這就是預設編碼的尷尬之處。

6，檔案操作

python2操作檔案，會經常報錯。。。。。。。。。這就是因為咱們沒搞清楚。所以，下面就談談自己的粗淺想法。

操作檔案，建議使用codecs這個模組，非常方便。codecs提供open方法，open()方法可以指定編碼格式。

使用這個方法開啟這個檔案讀取返回都是unicode。寫入時，如果write引數是unicode。則使用開啟檔案時的編碼寫入，如果是str，則先使用預設編碼解碼成unicode後再以開啟檔案的編碼寫入

這裡需要注意的是如果str是中文，而預設編碼sys.getdefaultencoding（）是ascii的話會報解碼錯誤。

從上面可以發現預設開啟檔案，它會自動編碼，如果沒有指定編碼，這個時候他用又得用預設編碼，所以過程是s.encode('ascii') 所以這就不報錯了嗎？

所以寫入的時候就指定編碼就可以了。於是乎：

這樣就可以避免報錯了。

下面是讀取，可以發現讀取，是unicode編碼。檔案流.decode('utf-8')

上面作為自己的筆記，可能有錯誤哦。