本文用實驗詳細地演示了Python2和Python3在字串編碼上的區別。

在Python2中，字串字面量對應於8位的字元或面向位元組編碼的位元組字面量。這些字串的一個重要限制是它們無法完全地支援國際字符集和Unicode編碼。為了解決這種限制，Python2對Unicode資料使用了單獨的字串型別。要輸入Unicode字串字面量，要在第一個引號前加上前最'u'。

Python2中還有一種稱為位元組字面量的字串型別，它是指一個已經編碼的字串字面量，在Python2中位元組字面量和普通字串沒有差別，因為在Python2中普通字串實際上就是已經編碼(非Unicode)的位元組字串。

在Python3中，不必加入這個字首字元，否則是語法錯誤，這是因為所有的字串預設已經是Unicode編碼了。如果使用-U

~/download/firefox $ python2
Python 2.7.2 (default, Jun 29 2011, 11:17:09)
[GCC 4.6.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.

>>> '張俊' #python2 會自動將字串轉換為合適編碼的位元組字串
'\xe5\xbc\xa0\xe4\xbf\x8a'
 
 #自動轉換為utf-8編碼的位元組字串

>>> u'張俊' #顯式指定字串型別為unicode型別， 此型別字串沒有編碼，儲存的是字元在unicode字符集中的程式碼點(序號)
u'\u5f20\u4fca'

>>> '張俊'.encode('utf-8')  #python2 已經自動將其轉化為utf-8型別編碼，因此再次編碼(python2會將該字串當作用ascii或unicode編碼過)會出現錯誤。
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii'
 
 codec can't decode byte 0xe5 in position 0: ordinal not in range(128)


>>> '張俊'.decode('utf-8')  #python2 可以正常解碼，返回的字串類是無編碼的unicode型別
u'\u5f20\u4fca'


>>> b'張俊'   # ‘張俊' 已被python2轉換為utf-8編碼，因此已為位元組字串
'\xe5\xbc\xa0\xe4\xbf\x8a'


>>> print '張俊'
張俊


>>> print u'張俊'
張俊


>>> print b'張俊'
張俊
>>>





~/download/firefox $ python3
Python 3.2.2 (default, Sep 5 2011, 04:33:58)
[GCC 4.6.1 20110819 (prerelease)] on linux2
Type "help", "copyright", "credits" or "license" for more information.


>>> '張俊' #python3的字串預設為unicode格式(無編碼)
'張俊'


>>> u'張俊' #由於預設為unicode格式，因此字串不用像python2一樣顯式地指出其型別，否則是語法錯誤。
File "<stdin>", line 1
u'張俊'
^
SyntaxError: invalid syntax


>>> type('張俊') #python3中文字字串和位元組字串是嚴格區分的，預設為unicode格式的文字字串
<class 'str'>


>>> '張俊'.decode('utf-8') #因為預設的文字字串為unicode格式，因此文字字串沒有decode方法
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'str' object has no attribute 'decode'


>>> '張俊'.encode('utf-8') #將文字字串編碼，轉換為已編碼的位元組字串型別
b'\xe5\xbc\xa0\xe4\xbf\x8a'


>>> type('張俊'.encode('utf-8'))
<class 'bytes'>


>>> print ('張俊'.encode('utf-8')) #對於已編碼的位元組字串，文字字串的許多特性和方法已經不能使用。
b'\xe5\xbc\xa0\xe4\xbf\x8a'


>>>print ('張俊'.encode('utf-8'))
b'\xe5\xbc\xa0\xe4\xbf\x8a'



>>> print ('張俊'.encode('utf-8').decode('utf-8'))  #必須將位元組字串解碼後才能打印出來
張俊