0x00 字元的編碼

計算機畢竟是西方國家的發明，最開始並沒有想到會普及到全世界，只用一個位元組中的7位（ASCII）來表示字元對於現在龐大的文字數量來說顯然不夠，所以先後經歷了好幾套編碼方案，不同國家和地區又有自己的方案，造成了現在諸多的歷史遺留問題。具體講述編碼原理請看這篇文章：PYTHON編碼的前世今生

0x01 Python中的字串

Python有兩種不同的字串，一種儲存文字，一種儲存位元組。對於文字，Python內部採用Unicode儲存，而位元組字串顯示原始位元組序列或者ASCII。

什麼叫編碼（encode）？

按照字面意思和以往經驗，我要把這個文字或字串用“UTF-8”編碼，感覺上應該是對位元組資料進行編碼然後顯示正確的文字。大多數人都是這麼想的，可事實呢？

編碼的意思是將Unicode字元按照編碼規則（如UTF-8）編成位元組序列：

有人此時會問，我用 print 語句打印出來怎麼是亂碼或者是中文，並不是位元組序列。這是因為你呼叫 print 語句的時候，預設進行了隱式解碼，為的是讓人類看見友好的字元資料 ，也就是預設的進行了str()包裝，想看見背後真正的十六進位制數，你需要呼叫魔術方法 _repr_() 。

什麼叫解碼（decode）?

對應的，解碼就是將位元組序列按照編碼規則（如UTF-8）解釋成unicode形式。

這裡或許又會有疑問，編碼解碼都是十六進位制，那中文字元咋顯示的？
這又要結合你的環境了。看完我上面推薦的文章，你就會明白，Unicode只是一種標準，而具體的編碼才是實現方式。有了正確的Unicode編碼，僅僅代表你有了正確的英文文獻，想翻譯成中文，還得再轉換一次。而這一次轉換，是你的環境幫你完成。舉個例子，你開啟一個文件，發現是亂碼，多半是文字編輯器的解碼方式有問題，換個解碼規則就好了。

0x02 Python2 和 Python3 之間的區別

Python3 一切都很美好

在Python3當中，文字字串型別（使用Unicode資料儲存）被命名為 str , 位元組字串型別被命名為 bytes 。一般情況下，例項化一個字串會得到一個 str 物件 ：

所以現在很多人都說，Python3預設是Unicode，也就是這個意思。
如果你想得到bytes，那就在文字之前加上字首 b , 或者 encode 一下。

所以，很顯然，str 物件有一個encode方法，bytes 物件有一個decode方法。

Python2 相當的操蛋，甚至會誤導你

在Python3中的 str 物件在Python2中叫做 unicode ，感覺很通俗對吧？但 bytes 物件在Python2中叫做 str

如果你想得到一個文字字串，你需要在字串之前加上字首 u 或者 decode 一下。

搞笑的還不止這麼點，Python2中的 str （位元組） 物件，竟然有一個 encode 方法！！！而且你別指望它有什麼特殊用處，它就是用來報錯的，永遠都別使用它！！！
同樣的，unicode （文字字元） 物件也有一個用來報錯的 decode 方法。
我們嘗試一下：

不知道大家注意到錯誤資訊沒有，我們在進行解碼，規則是GBK，但它說 無法用 ascii 進行編碼 ，這是為什麼？

這就是Python2自作聰明為了對一個unicode物件執行解碼而進行的隱式編碼 ，等於以下程式碼：

b.encode('ascii').decode('GBK')

這就是為什麼很多人說，Python2的編碼很操蛋。

0x03 小結

如果你在用2.X，請養成在字串加上 u 字首的習慣，統一編碼UTF-8，如果windows控制檯或者Pycharm控制檯依舊出現亂碼，那多半是控制檯編碼不同，改過來就好。

參考書籍 《Python 高階程式設計》