python中的编码和解码

计算机中常见的编码方式有多种，英文一般是ascii编码，其他有unicode，utf-8，gbk，utf-16等编码。

 

常见编码方式:

• ASCII编码：ASCII是早期的编码，包含英文字母、数字和一些英文符号一共127个符号；
• Unicode编码：不同的语言有各自不同的编码方式，导致在多种语言环境下按照某一种固定的编解码方式会出现乱码。为了统一，制定了Unicode编码。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了，一般使用两个字节表示一个字符。现代的操作系统和大多数编程语言都支持Unicode；
• UTF-8编码：UTF-8是Unicode编码的一种存储和传输的方式。由于英文字符只需要占用一个字节的空间就够了，但如果统一采用Unicode的两个字节来表示，会浪费存储空间，增加传输消耗，UTF-8把Unicode编码转化成“可变长编码”，可以根据不同的符号变化字节的长度；
• GB2312编码：适用于汉字处理、汉字通信等系统之间的信息交换；
• GBK编码：是汉字编码标准之一，是在 GB2312-80 标准基础上的内码扩展规范，使用了双字节编码；
• 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码，当文件被打开的时候，UTF-8字符被转换成Unicode字符到内存中，文件关闭的时候，再从Unicode转化成UTF-8保持到磁盘上，以节省（传输）空间。

 

python中的编码转化：
python内部的字符串一般是Unicode编码，Unicode是utf-8、gbk等编码的父编码，这些子编码方式之间不能直接转化，需要先转化成Unicode，再转化成其他编码方式，Unicode作为转换的中间码。python中的解码（decode）是从子编码转换成Unicode编码，编码（encode）是从Unicode转其他子编码。

 

查询字符串是否是Unicode编码：

 

isinstance(str,unicode)

查询系统默认编码：

    import sys
     
    print sys.getdefaultencoding()

 编码转换：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
     
    import sys
     
    print sys.getdefaultencoding()
    str = '中国'
    str = str.decode('utf8')
    print isinstance(str,unicode)
    str = str.encode('gbk')
    print isinstance(str,unicode)