一航缀、python程序編輯界面和運(yùn)行界面通常都是默認(rèn)unicode編碼字符串的艰山，編輯界面則是ascii編碼的涣仿，也就是程序語(yǔ)句是用ascii編碼的。但最困擾編程小白的不在這里砸琅，請(qǐng)看二宋距、
二、python的文本可以通過encode轉(zhuǎn)化為字節(jié)流bytes症脂，這時(shí)候困擾編程小白的問題來了谚赎。
（1）encode轉(zhuǎn)化后的字節(jié)流bytes是不是字符串？
答：bytes不是字符串str诱篷。在python中壶唤，bytes是字節(jié)流bytes對(duì)象，字符串是字符串str對(duì)象棕所。
（2）bytes不是字符串闸盔，那b'abc'怎么跟'abc'那么像？
答：這就不得不提一下坑爹的程序語(yǔ)言編寫者們了琳省，或者說console界面編寫者們了迎吵。注意：在運(yùn)行界面輸出bytes時(shí)候，它是采取這樣的原則的：每讀一個(gè)字節(jié)就和ascii碼比對(duì)一下针贬，如果符合ascii碼的可顯示字符（特殊字符击费，字母和數(shù)字，控制字符除外）桦他，那這個(gè)字節(jié)就按照ascii碼來表示蔫巩，否則就按十六進(jìn)制\x某某來表示。
>>> b'\x40\x41'
b'@A'
>>> b'\x00\x01'
b'\x00\x01'
這坑爹的原則不知道坑了多少迷糊的小白：怎么一會(huì)顯示一個(gè)\xff,怎么一會(huì)又顯示出一個(gè)a快压，而且看起來又是和字符串沒啥區(qū)別圆仔，搞暈了。bytes對(duì)象的顯示原則是這樣蔫劣，所以bytes對(duì)象不能包含超過0到127內(nèi)ascii碼范圍的unicode字符串坪郭，而不能接受超過這個(gè)范圍的unicode字符串。
>>> b'中'脉幢。
File "", line 1
SyntaxError: bytes can only contain ASCII literal characters.
（3）好啦截粗，那在編輯界面怎么輸入bytes信姓？
答：直接用b'字符串'表示bytes對(duì)象，這時(shí)候相當(dāng)于一個(gè)接受0到127內(nèi)ascii碼范圍內(nèi)的unicode碼字符串的函數(shù)bytes（‘字符串’）绸罗。
>>> b'@&*hello'
b'@&*hello'
（4）好，如果我不用字符串表示bytes呢豆瘫？又怎么搞珊蟀？
答：直接用\x加兩位十六進(jìn)制數(shù)字表示一個(gè)字節(jié)就可以了。
>>> b'\x41\xff\x2e\97'
b'A\xff.\\97'
（5）字符串可以通過encode轉(zhuǎn)化為bytes外驱，bytes可以通過decode轉(zhuǎn)化為字符串育灸，問題又來了，不是學(xué)挖掘機(jī)哪家強(qiáng)昵宇，而是一個(gè)字符a有很多種編碼的磅崭，按哪一種轉(zhuǎn)化為bytes？bytes本身就是一串0和1的數(shù)字瓦哎，按不同方式讀可以解釋成不同的字符砸喻，又怎么搞？
答：encode（‘編碼方式’）時(shí)指定按那個(gè)編碼轉(zhuǎn)化為bytes蒋譬。反之割岛，decode（‘編碼方式’）指定按那種方式讀取字節(jié)碼（0和1構(gòu)成的數(shù)字流）。
>>> 'a'.encode('ascii')
b'a'
>>> 'a'.encode('utf-8')
b'a'
>>> 'a'.encode('gbk')
b'a'
>>> '中'.encode('gbk')
b'\xd6\xd0'
>>> '中'.encode('utf-8')
b'\xe4\xb8\xad'
（6）坑爹的問題又來了犯助，python程序編輯界面的unicode碼u'a'是字符串還是字節(jié)碼癣漆？unicode碼又怎么表示？
答：u'a'不是字節(jié)碼剂买，是字符串惠爽！坑爹啊瞬哼！換句話說u'a'和'a'是一樣一樣的婚肆！坑爹啊倒槐！
>>> type(u'a')
<class 'str'>
unicode碼再python里有兩種表示方式：
u'字符串'或者'\u四位十六進(jìn)制數(shù)'旬痹。它們是等價(jià)的，而且都是str對(duì)象讨越。注意两残，'\\u四位十六進(jìn)制數(shù)'與'\u四位十六進(jìn)制數(shù)'并不相等，'\\u四位十六進(jìn)制數(shù)'='\\’（斜杠本身是轉(zhuǎn)義字符要經(jīng)過轉(zhuǎn)義表示）+'u四位十六進(jìn)制數(shù)'把跨。
>>> print('\u0065')
e
>>> print('\\u0065')
\u0065
（7）那如果它是字符串人弓，我要轉(zhuǎn)化為unicode碼咋整？用encode指定unicode方式着逐？
答：如果需要將內(nèi)存用的unicode碼直接保存崔赌，就指定編碼方式是'unicode-escape'意蛀！
>>> '中'.encode('unicode')
Traceback (most recent call last): ?File "", line 1, inLookupError: unknown encoding: unicode
>>> '中'.encode('unicode-escape')
b'\\u4e2d'
好！如果我不指定編碼方式呢健芭，又會(huì)怎么樣县钥？
encode默認(rèn)編碼方式是！４嚷酢若贮！utf-8！
>>> '中'.encode()
b'\xe4\xb8\xad'
三痒留、python的py文件里指定編碼方式谴麦，是指指定文件里所有內(nèi)容都是按編碼方式編碼還是字符串按編碼方式編碼？
答：py文件的編碼方式是ascii碼伸头，字符串默認(rèn)編碼是unicode碼匾效，指定編碼方式是指定從硬盤讀取py文件的編碼方式。
實(shí)際上恤磷，要區(qū)分以下編碼：系統(tǒng)默認(rèn)編碼（cmd面哼，widows的txt文件），編輯界面編碼（編輯界面顯示文本的編碼）碗殷，運(yùn)行界面編碼（運(yùn)行界面顯示文本的編碼）精绎，代碼文件（py文件）編碼，讀入的文本編碼锌妻，寫出的文本編碼代乃。
（1）系統(tǒng)默認(rèn)編碼
以windows簡(jiǎn)體中文為例，系統(tǒng)默認(rèn)編碼是gbk仿粹，命令行輸入chcp查看活動(dòng)頁(yè)代碼為936搁吓。
如果將超出gbk范圍的unicode碼，寫入系統(tǒng)的txt文件吭历，報(bào)錯(cuò)堕仔！在cmd中print，報(bào)錯(cuò)晌区！
處理方式：將unicode碼encode為bytes再寫入或print摩骨。
（2）編輯界面編碼
編輯界面編碼默認(rèn)是ascii碼，也就是寫的程序語(yǔ)句默認(rèn)是ascii編碼朗若，但一旦涉及到ascii碼不能表示的恼五，就隱形轉(zhuǎn)換為系統(tǒng)默認(rèn)編碼表示，程序語(yǔ)句中的字符串默認(rèn)是unicode碼哭懈，也就是內(nèi)存中的編碼灾馒。
在py文件頭聲明文件的編碼方式：
#-*- coding：utf-8 -*-
對(duì)編輯界面的字符串沒有什么實(shí)質(zhì)上的影響的！
pycharm編輯界面是默認(rèn)utf-8的遣总。所以有時(shí)在pycharm中編輯的代碼中沒有問題的字符串睬罗，放到cmd中編輯就會(huì)出現(xiàn)問題轨功。設(shè)置在Editor->Code Style->File Ecoding->Project Ecoding。
（3）運(yùn)行界面編碼
cmd中運(yùn)行程序容达，默認(rèn)顯示文本的編碼是ascii碼古涧，一旦超出范圍就隱式轉(zhuǎn)換為系統(tǒng)編碼。
在py文件頭聲明文件的編碼方式：
#-*- coding：utf-8 -*-
對(duì)編輯界面和運(yùn)行界面的字符串也沒有什么實(shí)質(zhì)上的影響的花盐！坑爹拜锕印！指定編碼方式是告訴系統(tǒng)按照什么編碼來讀這個(gè)py文件的卒暂。
pycharm運(yùn)行界面是默認(rèn)utf-8的。所以有時(shí)在pycharm中沒有問題的字符串娄帖，放到cmd中就會(huì)出現(xiàn)問題也祠。所以有時(shí)在pycharm中print沒有問題的字符串，放到cmd中print就會(huì)出現(xiàn)問題近速。設(shè)置在Editor->Code Style->File Ecoding->IDE Ecoding诈嘿。
（4）代碼文件編碼
代碼文件（py文件）本身也是一個(gè)文本，它也需要在硬盤或者其他載體上保存削葱，默認(rèn)編碼是系統(tǒng)編碼奖亚。這樣的話，一旦py文件copy到不同平臺(tái)析砸，問題就會(huì)發(fā)生昔字，出現(xiàn)亂碼。
特別注意：
在py文件頭聲明文件的編碼方式：
#-*- coding：utf-8 -*-
只是告訴python編譯器在讀取代碼文件時(shí)按utf-8方式讀取首繁，但這個(gè)聲明不能將py文件保存成utf-8格式的作郭！
處理方式：
py文件要多平臺(tái)運(yùn)行，最好統(tǒng)一采用一個(gè)編碼方式（如‘utf-8’）編輯和保存弦疮。
（5）讀入文件編碼
當(dāng)從網(wǎng)絡(luò)或者硬盤讀入文件的時(shí)候夹攒，實(shí)質(zhì)上讀到的是字節(jié)流：
硬盤讀入文件的默認(rèn)編碼方式是系統(tǒng)編碼方式，當(dāng)出現(xiàn)超過gbk范圍的字節(jié)出現(xiàn)胁塞，報(bào)錯(cuò)咏尝！
網(wǎng)絡(luò)讀入文件時(shí)，因?yàn)樽x入的是字節(jié)啸罢，不會(huì)報(bào)錯(cuò)编检，但一旦要print時(shí)就會(huì)報(bào)錯(cuò)！
所以伺糠，如果不能按照讀入文本的編碼方式轉(zhuǎn)化為unicode蒙谓，就會(huì)出現(xiàn)問題。
處理方式：
因?yàn)閞ead（）沒有編碼方式參數(shù)训桶，只能讀入bytes然后在解碼為unicode碼或者其他編碼累驮。
判斷讀入內(nèi)容的編碼方式可以用chardet的detect方法酣倾，接受一段bytes參數(shù)，返回一個(gè)結(jié)果的字典谤专，里面包含編碼方式和信度區(qū)間躁锡。
withopen('/Users/liaorikun/Desktop/gbktest.txt','rb')asf:
s = f.read()
chatest = chardet.detect(s)
# print(s)
print(chatest)
檢測(cè)結(jié)果：
{'encoding': 'GB2312', 'confidence': 0.99}
（6）寫出文件編碼
寫文件編碼參看（1）
如果想將文本直接以u(píng)nicode碼保存到文件，用encode(‘unicode-escape’)轉(zhuǎn)化為bytes置侍，寫入文件映之。
如果想將文本以u(píng)tf-8形式保存到文件，用encode(‘utf-8’)轉(zhuǎn)化為utf-8編碼的bytes蜡坊，寫入文件杠输。
