字符编码py2,py3操作，SecureCRT的会话编码的设置

对之前的字符串类型和二进制类型（bytes类型），可以这样关联记忆，把字符串类型当作是Unicode,把bytes类型当作是GBK或者UTF-8或者是日文编码。这样字符串要转成二进制，那么就需要编码encode，二进制要转成字符串就需要解码decode。

在python3里，所有的字符默认编码是Unicode，在python2里，所有字符默认是Ascii。

只有加了如下代码，才表示默认编码是啥：

#-*- coding:utf-8 -*-

下面所有的代码都在python2.7下运行的结果：

在SecureCRT里的，如果操作linux，打中文是乱码的话，说明会话的字符集不是UTF-8，需要设置下：

打印当前python的默认编码：python2是Ascii，python3是utf-8

import sys
print(sys.getdefaultencoding())

如果你对utf-8的字符串不进行解码（或者decode()里面啥都不写）就进行编码，系统会自动用Ascii码对你的字符串进行先解码。如下图的报错情况：

或者decode()为空，里面啥都不写，如下图：

报错如下：ascii不能解码为GBK

 现在下面我们演示，把utf-8转换为GBK的代码：

 

在py3里， #-*- coding=utf-8 -*-  #这个是文件的存储编码，不会影响到字符串编码，

而在py2里， #-*- coding=utf-8 -*-  #，这串代码就决定了文件编码以及字符串编码都是utf-8，这个是重大的py2和py3的区别，请注意！！！
所以，在py3里s="hi all"   #这里的s，依旧是unicode，这个是字符串编码，而在py2里，s已经是utf-8的数据编码了

这里的代码过程是这样，代码的当前编码为utf-8，所以s="你好"，就是utf-8的字符串编码，

utf-8要想转换为GBK，那么需要首先decode解码为Unicode，请注意这里一定要写decode("utf-8")，这个utf-8不可以省略！！！表示字符串的编码是utf-8

然后Unicode再编码为GBK，即为encode("gbk")，这里的GBK不可以省略！！！表示要转换为GBK编码！！！

但是实际操作中，上面的代码使用SecureCRT进行代码编程的时候，有其他问题：

我们首先将utf-8的代码转成unicode，并打印出来：我们默认SecureCRT的会话编码目前为UTF-8：

如下图，虽然SecureCRT的 会话编码为UTF-8，但是你打印unicode，一样会显示中文。因为unicode包括utf-8，utf-8只是unicode的扩展集。

这边有一个小插曲，如果你再打印unicode的类型，会出现如下的结果：

 

结果会，原来显示中文的，变成乱码了（其实不是乱码，而是unicode编码，前面有一个u字母，这个是对的），

这个是因为，你加了一个打印字符类型，那么这里就变成打印一个元祖字符类型出来，而元祖的字符类型是不会显示中文的！！！

如果你想打印中文，就单独打印，不要加一个字符类型，变成元祖了。

我们继续测试代码：我们将字符串转换为gbk：

上图发现在默认SecureCRT的会话编码Terminal目前为UTF-8的情况下，如果你打印GBK格式的话，会显示乱码，这个是对的。

这个时候，我们把会话编码改成默认，因为你选择默认的话，那么编码就随系统windows走，会GBK编码：

这个时候，我们再运行一次程序：发现gbk的中文正确显示了：说明默认为随系统的默认编码走了！

我们这个时候恢复unicode的打印，如下：同时把默认SecureCRT的会话编码Terminal改为默认的GBK：

结果如下：

结论：这里有个特殊情况：

1、如果默认SecureCRT的会话编码Terminal为默认的gbk，那么打印字符串为unicode无法显示；因为两个字符集不同。

2、如果默认SecureCRT的会话编码Terminal为utf-8，那么打印字符串为unicode可以正确显示。因为utf-8是unicode的扩展集。

 最终，我们把转过去的gbk，再转回为utf-8，最终代码如下：当前CRT的会话编码为utf-8

字符串可以直接在前面加一个字母u，来代表是unicode字符串：注意这里的u必须在封号""之外写，不可以写到里面

这里的s就是unicode编码。

上面都是python2，那么下面的代码，是运行在python3里的。

 

py3里，只有 unicode编码格式 的字节串才能叫作str。
其他编码格式的统统都叫bytes，如：gbk，utf-8，gb2312…………

 

 

 

这些bytes要转换为 unicode编码 才能当作str来用，就需要知道 bytes 的编码格式。
如果你事先知道，比如gbk，就可以用 bytes.decode('gbk')将bytes解码为unicode字符。
如果很不幸，你有一堆bytes，不知道它们的编码（例如 网站服务器返回的响应体），
这时候，你就需要chardet 来测试它们的编码。

 

 首先，我们测试，python3的默认字符串编码是unicode：

我们定义一个字符串，因为默认是unicode，所以我们一开始根本就没有decode（）的方法

那么我们编码为gbk，运行居然乱码，这个是为什么呢？其实不是乱码，而是转为了二进制的bytes类型，在py3里，所有的非unicode的字符串，都会转换为二进制编码，bytes类型

导师给了一个结论，所有的编码分为两种情况，一个是内存（字符串）编码，一个是硬盘（文件存储）编码：

注意使用的场景不一样，字符串编码是在内存里用的，硬盘是文件保存的时候使用的编码，而文件存储一般使用utf-8，因为存储的时候使用utf-8更节省空间，英文1个字符，欧洲2个字符，东亚中文等3个字符。

字符在计算机的内存中统一是以Unicode编码的。只有在字符要被写进文件、存进硬盘或者从服务器发送至客户端（例如网页前端的代码）时会变成utf-8

在py3里， #-*- coding=utf-8 -*-  #这个是文件的存储编码，不会影响到字符串编码，

而在py2里， #-*- coding=utf-8 -*-  #，这串代码就决定了文件编码以及字符串编码都是utf-8，这个是重大的py2和py3的区别，请注意！！！
所以，在py3里s="hi all"   #这里的s，依旧是unicode，这个是字符串编码，而在py2里，s已经是utf-8的数据编码了
包括在pycharm的右下角，显示的utf-8，也是文件的存储编码，跟字符串编码无关。

中文gbk编码是2个字符，而utf-8是3个字符，所以上图utf-8要比GBK更长1个字节

 

如果只是更改了pycharm右下角的文件存储编码，那么会报错的：因为当前文件存储编码是GBK了，你默认还是utf-8，就报错了。

所以在文件头也申明，程序的编码为gbk跟文件编码保持一致：看下面的截图，两个蓝色的框必须保持编码一致：这样就不会报错了。

特别要注意，不管你文件编码，编程代码编码怎么变，字符串赋值的一定是unicode，如上图的变量s就是unicode编码。这个是py3的特有特性！！！

 

发现GBK或者GB2312的bytes数据类型是一样的。因为“你哈”在这两个类型都有。

gb2312是gbk的子集。