python2.x中的编码

str与字节码

首先，我们完全不谈unicode。

s = "人生苦短"

s是个字符串，它本身存储的就是字节码。那么这个字节码是什么格式的？
如果这段代码是在解释器上输入的，那么这个s的格式就是解释器的编码格式，对于windows的cmd而言，就是gbk。
如果将段代码是保存后才执行的，比如存储为utf-8，那么在解释器载入这段程序的时候，就会将s初始化为utf-8编码。

unicode与str

我们知道unicode是一种编码标准，具体的实现标准可能是utf-8，utf-16，gbk ……
python 在内部使用两个字节来存储一个unicode，使用unicode对象而不是str的好处，就是unicode方便于跨平台。
你可以用如下两种方式定义一个unicode:

s1 = u"人生苦短"
s2 = unicode("人生苦短", "utf-8")

encode与decode

# -*- coding:utf-8 -*-
su = "人生苦短"
# ： su是一个utf-8格式的字节串
u  = s.decode("utf-8")
# ： s被解码为unicode对象，赋给u
sg = u.encode("gbk")
# ： u被编码为gbk格式的字节串，赋给sg
print sg
# 打印sg这里写代码片

但是事实情况要比这个复杂，比如看如下代码：

s = "人生苦短"
s.encode('gbk') # 这的确是合理的　！！只是会报错而已

所以你看看！str也能编码，(事实上unicode对象也能解码，但是意义不大)
这样为什么可以？看上图的编码流程的箭头，你就能想到原理，当对str进行编码时，会先用默认编码将自己解码为unicode，然后在将unicode编码为你指定编码。
这就引出了python2.x中在处理中文时，大多数出现错误的原因所在：python的默认编码，defaultencoding是ascii
看这个例子：

# -*- coding: utf-8 -*-
s = "人生苦短"
s.encode('gbk')　　# 上面说过会报错的

UnicodeDecodeError: ‘ascii’ codec can’t decode byte ……

因为你没有指定defaultencoding,所以它其实在做这样的事情:

# -*- coding: utf-8 -*-
s = "人生苦短"
s.decode('ascii').encode('gbk') #  因为ｓ是str，所以在decode('ascii')
#　的时候出错了,但是你decode('utf-8')就没事

设置defaultencoding

设置defaultencoding的代码如下：

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

如果你在python中进行编码和解码的时候，不指定编码方式，那么python就会使用defaultencoding(ascii)。

比如上一节例子中将str编码为另一种格式，就会使用defaultencoding。

s.encode("utf-8") # 等价于下一行
s.decode(defaultencoding).encode("utf-8")　　
# 就是前面的：　s.decode('ascii').encode('utf-8')

再比如你使用str创建unicode对象时，如果不说明这个str的编码格式，那么程序也会使用defaultencoding。

u = unicode("人生苦短") 等价于 u = unicode("人生苦短",defaultencoding)

默认的defaultcoding：ascii是许多错误的原因！！！所以早早的设置defaultencoding是一个好习惯。

print()

关于print():

你在打印str的时候，实际就是直接将字节流发送给shell。如果你的字节流编码格式与shell的编码格式不相同，就会乱码。

而你在打印unicode的时候，系统自动将其编码为shell的编码格式，是不会出现乱码的。