python的平台编码、默认编码、解码直接的联系的一些个人理解

python的平台编码、默认编码、解码直接的联系的一些个人理解


以下只是个人的一些个人悟出的一些想法，不能确定一定是准确的，如果有理解错误的地方，希望有人帮忙指正


1、运行decode指定编码A的函数时（decode（“A”）），如果字符串不是“A”编码格式的话，先用sys模块下默认编码B解码成unicode，然后再编码成编码“B”的格式。然后再用decode去解码；如果字符串是“A”编码格式的话，就直接decode 解码


2、运行encode成指定的编码“A"时。先用sys模块下默认编码B解码成unicode，然后再用encode函数编码成指定的编码“A”。




举例如下：


例子1 ：当前sys模块的默认是utf-8格式，但dos平台是gbk编码，




>>> sys.setdefaultencoding("utf-8")
>>> u"中国".decode("utf-8").encode("gbk")
'\xd6\xd0\xb9\xfa'
>>> u"中国".decode("utf-8").encode("utf-8")
'\xe4\xb8\xad\xe5\x9b\xbd'
>>> (u"中国").decode("utf-8")
u'\u4e2d\u56fd'
>>> u"中国".decode("gbk")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'gbk' codec can't decode bytes in position 2-3: illegal mult
ibyte sequence
>>> "中国".decode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\Python27\lib\encodings\utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xd6 in position 0: invalid c
ontinuation byte
>>> "中国".encode("gbk")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf8' codec can't decode byte 0xd6 in position 0: invalid c
ontinuation byte
>>> "中国".decode("gbk")
u'\u4e2d\u56fd'
>>>


以上运行结果，个人理解是：
  （1）前面不报错的原因u"中国"是unicode编码，然后先用sys模块默认的utf-8编码成utf-8格式，然后decode就没有问题了
 （2）u"中国".decode("gbk")报错原因：sys模块默认的utf-8编码成utf-8格式，然后用gbk去解码就报错了
 （3） "中国".decode("utf-8")报错的原因：dos平台的默认编码格式是gbk，因此无法用sys模块默认的utf-8格式去解码。所以报错
 （4）"中国".decode("gbk")运行正确，是因为dos平台就是gbk编码，以此“中国”是gbk编码。所以直接可以用decode("gbk")去解码




例子2：sys模块的默认编码格式和dos环境的默认编码格式都是"gbk"情况


>>> reload(sys)
<module 'sys' (built-in)>
>>> sys.setdefaultencoding("gbk")
>>> u"中国".decode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\Python27\lib\encodings\utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xd6 in position 0: invalid
ontinuation byte
>>> u"中国".decode("gbk")
u'\u4e2d\u56fd'




以上运行结果，个人理解是：
（1）u"中国".decode("utf-8") 报错原因：用sys默认的gbk把u"中国"编码成了gbk格式，因此无法用utf8区解码
（2）u"中国".decode("gbk")不报错：因为用sys默认的gbk把u"中国"编码成了gbk格式