1. 字元編碼問題

• 字元的編碼
  計算機只能處理數字，這也就意味著當我們需要處理文字的時候，需要先把文字內容轉換成數字。這一轉換過程就是一個編碼的過程。編碼就相當於一個查字典的過程，我們要處理的文字就是我們不認識的字，然後需要通過查字典獲知它的讀音，這就是轉換後的數字。這一過程就叫做編碼，而我們所查的字典就叫做一個編碼集。一般來說，我們最早接觸的編碼方式就是ASCII編碼。這種方式是使用8個位元(bit)來編碼一個字元的，這種方式最對只能編碼256個字元。
• 字元與字串
  字串是一組字元的集合，這倒是沒什麼可說的。不過，在C語言中，這個字元的定義還是和字串有那點不同的，這個是由於程式語言本身機制所致。C語言就使用ASCII編碼。

2. Unicode與UTF-8

　　根據上面所說的字元編碼問題，就不難理解為什麼會有多種編碼方式的存在了。ASCII是好，但是它只能滿足美國人哪。那怎麼辦？別的國家的人只好再造些字符集出來了。反正就是字典嘛，你能造，我也能造，這樣一來，就有了各種字元編碼集了。就漢字編碼集來說，已經有好多種了。像GB2312、BIG5還有GBK等。這樣以來倒是可以各國人民都用上自家語言上網了。但是彼此間交流怎麼辦？
　　就好像美國人有美國人韋氏詞典，英國人有牛津詞典，中國人有新華字典一樣。這麼多字典，彼此不同哪，這是一個問題。但是如果我們把所有這些字典內容都放到一本字典裡去，這不就成了全世界通用的字典了麼。前提是，這字典得足夠大。這和Unicode的思想是一致的。
　　那麼，大家就都用Unicode編碼就是了，都能用嘛。但是問題就是Unicode要編碼所有的字元，那麼，這樣一來就不是一個字元能解決的問題了。但是這就引發問題了，大家可不太樂意用比一個位元組更多的儲存空間去儲存一個像’a’、’b’這樣的字元了。這不明擺著浪費空間哪。這個時候，就該UTF-8排上用場了。UTF-8的原則是能省則省，比如，能用一個位元組編碼的字元，那就用一個。這樣一來，就能省不少空間了。

3. 系統編碼、檔案編碼與Python編碼

　　作業系統是要有編碼的，在 Linux 下獲取系統編碼結果如下：
　　
　　
　　Linux 下預設使用UTF-8編碼。比如：
　　　
　　也就是說在 Linux 環境下預設檔案會使用 UTF-8 編碼。那麼，檔案編碼不言而喻了，就是該檔案使用哪種編碼方式。下面在 notepadqq 中使用不同的編碼方式編碼一個檔案，檢視其效果。
　　　
　　使用 encov 和 iconv 做編碼轉換的時候始終有亂碼問題，就用了編輯器來做。可以看到，系統編碼總是確定的，檔案編碼總是對應所選擇的不同的編碼方式。
　　
　　
　　這意味著 Python 直譯器會用 ASCII 編碼的方式去解讀 Python 原始檔。這樣導致的直接問題就是，當在 Python 原始檔中存在非 ASCII 字元時，會導致 Python 直譯器無法識別，繼而導致編碼錯誤。

# coding.py
print '編碼問題'

執行結果如下：

所以，這個時候需要告訴 Python 直譯器用 UTF-8 去讀 Python 原始檔。

# -*- coding: utf8 -*-
# coding.py
print '編碼問題'

4. Python2 字串編碼

　　Python2 中以 Unicode 為中間碼，即所有的編解碼都是以 Unicode 為媒介進行的。

 1 #coding=utf-8
 2 
 3 s='漢字'
 4
 5 if isinstance(s, unicode):
 6 # 判斷 s 是否是 unicode 字元
 7    gs = s.encode('gb2312')
 8 else:
 9    gs = s.decode('utf8').encode('gb2312')

　　這個其實就是通過 unicode 進行的。下面再看一個例子：
　　
　　
　　可以看到，’hello’ 字串包含的都是 ascii 可編碼字元，由於 python2 預設使用 ascii 編碼，可以通過。而 ‘漢字’ 則是不可用 ascii 編碼的字元，所以，這個時候 python 再去用 ascii 對其 decode 的時候，就出錯了。其實，上面的這個 encode 方法的機制應該是先通過指定的編碼方式（python2 預設 ascii）對目標字串進行 decode 成 unicode 碼，然後該 unicode 碼作為中間程式碼接著 encode 成指定的編碼方式。所以，在 ‘漢字’.encode(‘gbk’) 的過程中，python 首先使用 ascii 對 ‘漢字’ 進行 decode，當然這個時候是錯誤的。
　　
　
　　所以，python 字串編解碼的全部問題都在於這個中間碼 —— Unicode碼。

5. 字串、Unicode字串及原始字串

python2 中有兩類字串，分別是 str 與 unicode。這兩類字串都派生自一個抽象類 basestring。

那麼，對於一個 python 字串來說，就有兩種選擇了。

至於原始字串（或者說是原生）則是一種轉義了反斜線(‘\’)的字串。

可以看到，在原始字串中，反斜線已經被轉義了。

6. 字串兩個方法

• 字串轉列表：

s = 'str,list,tuple,dict,set'
rs = s.split(',')

• 列表轉字串：

s = '&'.join(['java', 'python', 'js'])