好文章:https://blog.csdn.net/apache0554/article/details/53889253
编码理解
**1.为了处理英文字符,产生了ASCII码。
2.为了处理中文字符,产生了GB2312。 -------不懂
3.为了处理各国字符,产生了Unicode。
4.为了提高Unicode存储和传输性能,产生了UTF-8,它是Unicode的一种实现形式。**
1.python2:
因为:python2是默认assci码, 所以不能识别中文,在文件头部加入一行编码声明 #coding=utf-8
>>> name = '哈哈'
>>> name
'\xe5\x93\x88\xe5\x93\x88'
>>> chardet.detect(name)
{'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'}
>>> name = "hah"
>>> type(name)
<type 'str'>
>>> chardet.detect(name)
{'confidence': 1.0, 'language': '', 'encoding': 'ascii'}
***decode()方法将其他编码字符转化为Unicode编码字符。
encode()方法将Unicode编码字符转化为其他编码字符。*
任何编码转换 都要把编码先转换成unicode编码
>>> name1 = name.decode('utf-8') name是utf-8的编码 解码为 unicode
>>> name1.encode('gb2312') 从unicode编码为其他编码字符
'\xb9\xfe\xb9\xfe\xb9\xfe'
当我们需要操作系统正确的输出一个字符时,除了要知道该字符的字符编码,也要知道自己系统所使用的字符编码。如果系统使用的是UTF-8编码,处理的却是gb2312的字符就会出现所谓“乱码”。 ----什么鬼