关于python的编码问题的一点记录

• Linux下中文默认编码是utf-8
• windows下默认编码是GBK
• 如果源代码没有声明编码格式，则Python在语法校验期间(compilation)使用默认的ASCII编码
• 如果源代码没有声明编码格式，但却在源码中使用了非ASCII字符(Non-ASCII character)，则程序在编译期间抛出SyntaxError异常，编译不被通过
• 如果源代码声明了Python不支持的编码格式，则程序将在编译期间抛出异常

我们都知道Python是一门世界通用的编程语言，如果它的源代码文件中出现的都是ASCII支持的字符，那Python会以ASCII编码的格式处理程序。不过，一旦源代码中出现了ASCII不支持的字符，它该怎么办？我用一张图来回答你吧

也就是说，所有超出ASCII范围的字符的处理工作，无论在输入之前，或者输出之后是什么编码格式的，它们在Python的执行内存中，都被统一转换(decode)为Unicode格式来进行程序处理。

encode和decode
从Unicode类型到GBK或UTF-8等编码的转换，叫做编码(encode)；而这一过程的逆过程，则叫做解码(decode)。上图也表示了这个过程

字符串在Python内部的表示是Unicode编码。因此在做编码转换时，通常需要以Unicode作为中间编码，即先将其他编码的字符串解码(decode)成Unicode，再从Unicode编码(encode)成另一种编码。
decode的作用是将其他编码的字符串转换成Unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成Unicode编码；
encode的作用是将Unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将Unicode编码的字符串str2转换成gb2312编码 因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成Unicode，然后再encode成其他编码。

遇到乱码问题，按上述思路分析一遍，再将乱码所在字符串按它的原始编码decode成Unicode类型的，再使用Unicode类型的编码进行输入、输出即可解决乱码问题。

参考内容:
关于Python的编码、乱码以及Unicode的一些研究
python3字符串编码总结-str(unicode)_bytes
Python2和3的字符串编码差别