python 编码 问题 UTF-8 unicode

每次遇到python处理含有中文的字符串时，utf-8, unicode, gb2312这些名词总是跳出来捣乱，然后经过网上一番搜索和烦恼的测试之后，才能最终解决问题。

可是，但是，可但是，这个问题在再一次遇到的时候，又是一番重复，烦不胜烦之下，记在案，常常来温习一下。（难道是我脑子不好了，没记性了，疲了???）

 

一些名词

ASCII - 一种编码方式

UNICODE - 又一种编码方式

UTF-8 - 又一种编码方式

Little endian和Big endian - 编码的“码”是如何存放的，从小到大还是从大到小

GB2312 - 汉字编码的一种，

代码页 -就是代码页

 

到这里看看就明白了，别的地方都不需要再看了

http://wiki.woodpecker.org.cn/moin/PyInChinese

 

 

关键的地方：如果python源文件中出现非ascii字符串，就需要指定编码声明

如果你的代码中出现：s = u"大a小"，python大概要用编码声明，大概啊就要用编码声明去将字符串s转换为PyUnicodeObject

如果你编码声明为utf-8，而文件保存的格式不是utf-8，那么python解释就会出错。

如果你编码声明为gbk，那么，很好，你python源文件保存可以了，操作系统保存中文就是用系统的缺省编码保存的。

不论你的编码是什么，如果你在脚本执行过程中读入一个文件，那么这个就不是python在解释你的脚本，而是脚本的执行了。

这个文件的编码格式只有你知道，你把这个文件的内容送给一个字符串，是需要decode还是encode就只有你自己知道了。

 

 

几个常数，背下来有好处

D1 CF 严GB2312编码

严Unicode 编码是4E25。

严的UTF-8: E4B8A5

 

0x3f800000=1.0

0x3f333333=0.7

01 03 00 00 00 01 =  0a 84

01 03 00 01 00 01 =  ca d5