python-bytestring与unicodestring

1.关于编码的知识：

（1）ascii码－－》一个字节

（2）gb2312－－》两个字节  //国标2312

（3 ）IOS-8859(Latin)－－》一个字节 //覆盖西欧语言，包括ascii 码内容

（4）UTF-8－－》1~4个字节   //可变长编码，单字节兼容ascii码，双字节覆盖西欧语言，三字节中日韩。

   windows的cmd下编码为cp936即GBK2312的扩展编码。

2.python中的字符串为字节串（byte string）

>>>byte_str='python巨蟒'

>>>unicode_str=byte_str.decode('cp936')   //将byte string进行解码，解码为cp936

>>>unicode_str

u'python\u5de8\u87d2'     //u代表unicode编码，由于是 cp936，一个字符占两个字节－16位。

>>>len(unicodestr)         //len()返回字符个数。

8

//可以对unicode string进行不同的unicode编码方式变为为不同的  byte string

>>>unicdoe_str.encode('utf-8')   //

'python\xe5\xb7\xa8\xe8\x9f\x92'    //一个字符1三个字节，\x->16进制。

3.总结：

byte string -> unicode

(1)byte_str.decode('编码规则');

(2)unicode(byte_str,'编码规则');

unicode->byte string

(2)unicode_str.encode('编码规则')；

来源：http://yimi128.iteye.com/blog/568580