Python2和Python3編碼問題
阿新 • • 發佈：2021-01-11
前言
以下內容來自網上&個人總結，如果有什麼地方錯誤或者表達不準確歡迎指正。
三種編碼
在python從檔案到執行，總計能遇到三種編碼。
- 首先，.py檔案有自己的編碼方式，也就是這個檔案是以什麼編碼方式儲存在本地的。在windows下，python2預設是ASCII，python3預設是utf-8，這個可以用以下程式碼檢視。
import sys
print(sys.getdefaultencoding())
- 其次，.py在編譯時要按計算機本身用的編碼來編譯，大部分的中文語言的計算機應該都是GB2312，這個編碼方式可以在檔案開頭用
#coding = utf-8 這種方式來改變，只有這個編碼和上面的檔案編碼一致時才不會導致亂碼問題。
- 最後，print這個函式有自己的編碼方式，它與stdout的編碼方式是一致的，具體請看參考文獻[2]，如果這個編碼不一致的話，有可能會導致無法輸出想要的東西
字串編碼
見下圖
在python2中，字串有str和unicode兩種形式(這兩種的區分並不明顯，有時會引起混淆)，而在python3中，變成了byte和str，這就導致了很多程式碼在其中一個python版本中能跑，但是在另一個版本就會報錯，就是可能因為在python2中一個變數是str格式的，到python3後變成bytes格式了，然後函式就不認了，這時有兩種處理方式：
- 一種是使用encode和decode函式，這兩個函式可以把其中一種轉碼為另外一種，具體如下表：
| encode | decode | |
|---|---|---|
| python2 | unicode→str | str→unicode |
| python3 | str→bytes | bytes→str |
但是這種方法其實有點本末倒置的感覺，畢竟我們並不是真的想編碼，只是想把python2和python3中變數型別調為一致。而且有時在編碼時會報有的位元組無法被編碼的錯誤。
- 在介紹另一種方法之前，要先介紹一下字串字首的四種形式：
- 無字首：單純表示字串str；
- r字首：r代表row string，也叫做原生字串，字串裡面寫啥就是啥，不進行轉義字元；
- b字首：表示字串是bytes型別，沒錯，也就是python3中的bytes；
- u字首：表示字串以 Unicode 格式進行編碼，有時中文會用到。
從上面字首的介紹就可以知道，如果一個字串在python2中作為str處理，那麼只要在前面加上b字首，就可以作為byte處理了。
最後，byte和str有很多函式和符號是通用的(比如+)，最重要的一點是它們不能混用。所以只要明確它們的格式，在該用什麼格式的時候就用特定的格式，就可以避免編碼錯誤了。