【Python】Python中字符串的编码分析

前言

现在Python环境可以分为2和3。Python 2.x的开发环境默认编码是ascii，Python 3.x是Unicode。下面就这个编码问题简单讨论一下。

Python 3.x的编码

Python 3.x默认编码是Unicode，也就是说，Python 3.x的字符串是Unicode编码方式，控制台也是。

测试代码

# Python Version:3.5.1

import sys

b_str = b"abcd 1234"
u_str = "abcd 1234 中文"
u_str_a = "abcd 1234".encode('ascii')
u_str_e = "abcd 1234 中文".encode('utf-8')
u_str_gbk = "abcd 1234 中文".encode('gbk')

if __name__ == '__main__':
    print(sys.getdefaultencoding())
    print(b_str)
    print(u_str)
    print(u_str_a)
    print(u_str_e)
    print(u_str_gbk)

打印如下

utf-8
b’abcd 1234’
abcd 1234 中文
b’abcd 1234’
b’abcd 1234 \xe4\xb8\xad\xe6\x96\x87’
b’abcd 1234 \xd6\xd0\xce\xc4’

• 第一行是打印系统默认的编码，这里是utf-8
• b_str的字符串前面加了一个b，表示以Ascii方式存储，控制台输出的字符串前面也有一个b，表示这是以Ascii输出；
• u_str则是默认的字符串，是Unicode编码，控制台输出正常的字符串；
• u_str_a是从Unicode转码Ascii；
• u_str_e是从Unicode转码utf-8，实际上，utf-8是Unicode的一种实现方式；
• u_str_gbk是从Unicode转码GBK，对照u_str_e的输出可见，其中文输出的编码与之不同。

Python 2.x的编码

Python 2.x的默认编码是ascii，控制台暂时不知道是Unicode编码还是utf-8编码。

测试代码

# coding=utf-8

import sys

b_str = b"abcd 1234"
u_str = u"abcd 1234 中文"
u_str_a = u"abcd 1234".encode('ascii')
a_str_u = "abcd 1234".encode('utf-8')
u_str_gbk = u"abcd 1234 中文".encode('gbk')

if __name__ == '__main__':
    print(sys.getdefaultencoding())
    print(b_str)
    print(u_str)
    print(u_str_a)
    print(a_str_u)
    print(u_str_gbk.decode('gbk'))

打印内容如下：

ascii
abcd 1234
abcd 1234 中文
abcd 1234
abcd 1234
abcd 1234 中文

其测试代码类似于Python 3.x的测试代码。
- 第一行打印系统默认的编码方式：ascii
- b_str是测试ascii字符串，其在控制台正常输出，没有Python 3.x控制台下的b；
- u_str是以Unicode方式编码的字符串，正常输出；
- u_str_a是Unicode转码成Ascii，然后输出；
- a_str_u是Ascii转码Unicode，然后输出
- u_str_gbk是Unicode转码成GBK，打印的时候需要GBK解码，才能在控制台正常输出。

小技巧

• 在Python开发中，给字符串前面添加一个b，表示该字符串以Ascii方式编码，添加一个u，表示以Unicode方式编码，这种方式与文件的编码无关。