python编码问题

Python2.x：

简而言之，Python 2.x里字符串有两种：str和Unicode
前者到后者要decode，后者到前者要encode,'utf-8'为例：
str.decode('utf-8') -> Unicode
str <- Unicode.encode('utf-8')

建议一、使用字符编码声明，并且同一工程中的所有源代码文件使用相同的字符编码声明

#encoding=utf-8

建议二、抛弃str，全部使用unicode

test1 = 'présenter'

test2 = u'汉字'print type(test1)test_unicode = test1.decode('utf-8')print type(test_unicode)print ("%s+%s" % (test_unicode, test2)).encode('utf-8')

终极原则：decode early, unicode everywhere, encode late

即：在输入或者声明字符串的时候，尽早地使用decode方法将字符串转化成unicode编码格式；然后在程序内使用字符串的时候统一使用unicode格式进行处理，比如字符串拼接、字符串替换、获取字符串的长度等操作；最后，在输出字符串的时候（控制台/网页/文件），通过encode方法将字符串转化为你所想要的编码格式，比如utf-8等。按照这个原则处理Python的字符串，基本上可以解决所有的编码问题（只要你的代码和Python环境没有问题）。

Python3.x：

在python3以后的版本中，str默认已经为unicode格式。当然也可以使用b''来定义bytes的string。

但是有的时候我们需要对str进行ASCII和Unicode间转化，unicode的str的转化bytes时使用str.encode()，bytes的str转化为unicode时使用str.decode()。

 

​