如何判斷字串是由何種編碼編寫的呢？最簡單粗暴的方法是靠位元組個數來判斷，直接上程式碼：

# _*_coding:utf-8_*_

s = '程式設計'

s1 = s.decode('utf-8')  # 將s抓換成換成unicode編碼
s2 = s1.encode('utf-8')  # 將s1從unicode轉換成utf-8
s3 = s1.encode('gbk')  # 將s2從unicode換換成gbk

print(s2, s3, s1)  # ('\xe7\xbc\x96\xe7\xa8\x8b', '\xb1\xe0\xb3\xcc', u'\u7f16\u7a0b')
 

需要注意的事s1,s2,s3放在一起就會打印出16進位制位元組，這是內建方法。第一個佔3個位元組可以推斷出是utf-8,第二個佔2位元組可以推斷出是gbk。第三個可以在unicode對映表中直接查出來。其中u代表unicode,每2個代表1個位元組。

編，7f16

程，7a0b

程式設計對應的gbk編碼是\xb1\xe0\xb3\xcc，但是和7f16,7a0b對不上，把他們轉成二進位制並把開頭的1去掉(從高位元組變成低位元組)得到3160和334c。

# 編 7f16(unicode的值)  G0-3160(gbk的值)
# \xb1\xe0  1和0對上了 

#
 
 b       1
# 1011    0001
# 把第一位變成0
# 0011    0001 -> 轉換成10進位制  3 1

# e       0
# 1110    0000
# # 把第一位變成0
# 0110    0000 -> 轉換成10進位制  6 0

# 程 7a0b  G0-334C
# xb3\xcc  3和c對上了

# b       3
# 1011    0011
# # 把第一位變成0
# 0011    0011 -> 轉換成10進位制 33

# c       c
# 1100    1100
# # 把第一位變成0
# 0100    1100 -> 轉換成10進位制 4c

可以看到對上了。原因是GBK相容ASCII碼，1個位元組是英文，2個位元組是中文。那麼2個位元組連到一起的話，如何判斷是中文還是英文呢？由於在ASCII碼中，0-127是常用的，128-255是一些亂七八糟、不常用的擴充套件表，所以，乾脆從128開始就代表中文。所以，2個位元組連在一起，如果每個位元組的第1位(也就是相當於128的那個2進位制位)如果是1，就代表這是個中文，這個首位是128的位元組被稱為高位元組。那為什麼\xb1\xe0要把128所在的位去掉(把1變成0)才能與unicode的G0-3160對上呢？這隻能說是unicode在對映表的表達上直接忽略了高位元組，但真正對映的時候 ，肯定還是需要用高位元組的。