前言

在理解encode和decode之前，必須先知道以下幾個概念：

• ascii、gb2312、gbk、gb18030、utf8、unicode：上面這些均是字元編碼規範；其中gb2312、gbk、gb18030是我國出的規範，其他的是外國人出的規範；
  例如‘姜’字，用gbk、utf8或unicode編碼（encode操作），在記憶體中佔的位元組是不一樣的，所以檔案出現亂碼，是檔案開啟時使用的編碼格式不對。
• str和bytes是字串型別，是程式語言的基本資料型別、和int、dict、list是一個級別的。

encode()

encode() 方法為字串型別（str）提供的方法，用於將 str 型別轉換成 bytes 型別，這個過程也稱為“編碼”。
encode() 方法的語法格式如下：

str.encode([encoding="utf-8"][,errors="strict"])

# [] 中表示是可選引數

# encoding = "utf-8" 
# 指定進行編碼時採用的字元編碼，該選項預設採用 utf-8 編碼。例如，如果想使用簡體中文，可以設定 gb2312。
# 當方法中只使用這一個引數時，可以省略前邊的“encoding=”，直接寫編碼格式，例如 str.encode("UTF-8")。

# errors = "strict"
# 指定錯誤處理方式，其可選擇值可以是：
# - strict：遇到非法字元就丟擲異常。
# - ignore：忽略非法字元。
# - replace：用“？”替換非法字元。
# - xmlcharrefreplace：使用 xml 的字元引用。
# 該引數的預設值為 strict。
 

decode()

和 encode() 方法正好相反，decode() 方法用於將 bytes 型別的二進位制資料轉換為 str 型別，這個過程也稱為“解碼”。
decode() 方法的語法格式如下：

bytes.decode([encoding="utf-8"][,errors="strict"])

# [] 中表示是可選引數

# encoding="utf-8"
# 指定解碼時採用的字元編碼，預設採用 utf-8 格式。當方法中只使用這一個引數時，可以省略“encoding=”，直接寫編碼方式即可。
# 注意，對 bytes 型別資料解碼，要選擇和當初編碼時一樣的格式。

# errors = "strict"
# 用法同 encode()
 

其他

1、 encoding 的可選值 參考《官方文件》，常用的選項有ascii、gb2312、gbk、gb18030、utf_8、utf_8_sig、unicode_escape
2、 encoding='utf_8'、encoding='utf8'、encoding='utf-8'，這三種寫法是一樣的
3、 個人理解見下：

>>> s = "C語言中文網"
>>> s.encode()
b'C\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'
>>> s.encode().decode()
C語言中文網

上面示例中，'C語言中文網'.encode()之後的打印出來為b'xxx'格式，是因為encode()之後資料為bytes型別，bytes型別資料在控制檯的表現形式就是以b''開頭的。
至於'C\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'，是一堆二進位制資料的表示形式，
由ascii字元+16進位制數字組成，一個ascii字元或一個16進位制數字代表一個位元組，例如，'C'表示一個位元組，\xe8表示另一個位元組（\x表示16進位制的意思）,
utf8編碼中，字母、數字、常用符號的編碼同ascii編碼是一樣的，佔一個位元組；漢字的編碼是用三個位元組表示的，
所以，'C'在utf8編碼中對應'\x43'，'語'在utf8編碼中對應是'\xe8\xaf\xad'，其他字元以次類推，就得到了'C\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'，這個過程就是編碼，也就是encode()。
注意的是：'C'打印出來是'C'，而不是'\x43'，只是列印時為了區分一個位元組utf8和3個位元組的utf8，直接使用\x43是一樣的效果，均可以正常解碼。

例如：

>>> b'\x43\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'.decode() 
'C語言中文網'
>>> b'C\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'.decode()    
'C語言中文網'
>>> 

如果不知道編碼情況下，單獨看一個位元組是沒意義的；例如，'\xe8'的16進位制是e8，10進位制是232，2進位制是11101000，僅僅是一個數字。
但是，如果知道是utf8編碼時，就對這些數字賦予了意義，例如'\xe8\xaf\xad'是三個位元組，在utf8編碼中對應的是漢字‘語’；
從b'\xe8\xaf\xad'轉換成‘語’的過程就是編碼，也就是decode()。

問題1：b'\x43\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91' utf8解碼的過程中，怎麼知道該取一個位元組解碼還是取3個字元解碼？

一個位元組的utf8，一定是在\x01_{\x7f之間，翻譯成10進位制就是1}127；反過來講就是，在\x01~\x7f之間位元組，是一定表示一個位元組的utf8；
三個位元組的utf8中每一個位元組，一定是在\x80_{\xff之間，翻譯成10進位制就是128}255。反過來講就是， 在\x80~\xff之間的位元組，是一定表示3個位元組的utf8；
所以在解碼的過程中，取每一個位元組時會判斷區間，然後就知道解碼成一個一位元組還是三個位元組了

問題2：我有一堆'\x43\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'的資料，怎麼能正常顯示出來？

第一步，先把這堆str按原二進位制位轉成bytes型別

s = 'C\xd3\xef\xd1\xd4\xd6\xd0\xce\xc4\xcd\xf8'    # 注意s是str型別，非bytes
>>> s.encode('raw_unicode_escape') 
b'C\xd3\xef\xd1\xd4\xd6\xd0\xce\xc4\xcd\xf8'        

第二步，嘗試用各種編碼規則解碼，如果能正常解析，就知道了這堆字串的正確編碼

>>> s.encode('raw_unicode_escape').decode('utf8')  
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd3 in position 1: invalid continuation byte
>>> s.encode('raw_unicode_escape').decode('gb2312') 
'C語言中文網'
>>> s.encode('raw_unicode_escape').decode('gbk')    
'C語言中文網'
>>> s.encode('raw_unicode_escape').decode('gb18030') 
'C語言中文網'

參考：http://c.biancheng.net/view/4305.html