從python2轉(zhuǎn)到python3的第一個問題就是字符串的問題糊肠，我花了些時間把我能想到的和字符串處理有關的東西都整理如下闸盔。
1悯辙、Python2的字符串編碼
在python2.X中的字符串編碼有點麻煩，它所有的“普通字符串”是ascii碼存儲的迎吵，unicode字符串是16位unicode碼存儲的躲撰，這個時候就經(jīng)常出現(xiàn)轉(zhuǎn)換、亂碼的問題击费。
1.1python2中的普通字符串
>>> a="abc"
>>> print a
abc
>>> print repr(a)
'abc'
>>> type(a)
<type 'str'>
#普通字符串可以decode成unicode類型拢蛋，unicode字符串前面帶u
>>> a.decode()
u'abc'
>>> type(a.decode())
<type 'unicode'>
這里介紹一個函數(shù)，repr蔫巩，repr（a）將顯示對象a（這里是字符串）在解釋器里面的樣子 ：repr() is meant to generate representations which can be read by
the interpreter
在這里可以看到python中的“普通字符串”在解釋器里面是用ascii表示的谆棱。
1.2python2中的中文
在python2中，字符串可以直接為中文
>>> b="中文"
>>> print b
中文
>>> print repr(b)
'\xe4\xb8\xad\xe6\x96\x87'
#懂行的人能看出這是utf-8編碼的
>>> type(b)
<type 'str'>
#b是utf-8編碼的圆仔，可以decode成unicode垃瞧，有兩種方法
#但是顯示必須指出b的編碼規(guī)則，
>>> b.decode("utf-8")
u'\u4e2d\u6587'
>>> unicode(b,"utf-8")
u'\u4e2d\u6587'
#在某些時候需要得到一些其他編碼的字符串坪郭，比如gbk
#需要對utf-8的字符串通過unicode進行一個中轉(zhuǎn)个从，再encode到gbk
>>> c=b.decode("utf-8").encode("gbk")
>>> c
'\xd6\xd0\xce\xc4
1.3python2中的unicode
在上面其實已經(jīng)解除到了一些unicode了，簡單來說歪沃，unicode就是一種包容性很強的編碼信姓，如果你在一開始就將字符串定義成了unicode類型，那么在完成字符串處理之后绸罗，可以自行encode成任意的編碼：
>>> d=u'abc'
>>> type(d)
<type 'unicode'>
>>> d.encode("gbk")
'abc'
#來個復雜點的
>>> e=u"哈哈意推。&￥gaw"
>>> e
u'\u54c8\u54c8\u3002&\uffe5gaw'
>>> e.encode("utf-16")
'\xff\xfe\xc8T\xc8T\x020&\x00\xe5\xffg\x00a\x00w\x00'
unicode是一個比較基礎的字符串類型，他可以encode成其他的字符串珊蟀，所以在python3之后默認的字符串類型就變成了unicode菊值，不在需要使用“u”去定義個unicode串外驱，這也是導致python2和3不兼容的一個重要改變。
1.4python2中的字節(jié)流
在python2中str類型的字符串可以被打包成字節(jié)流腻窒，struct模塊詳細用法可以參考這篇文章：
http://dtysky.moe/article/Skill-2016_06_06_b
例子如下：
>>> e=u"哈哈"
>>> g=e.encode("gbk")
>>> d=e.encode("utf-8")
>>> g
'\xb9\xfe\xb9\xfe'
>>> d
'\xe5\x93\x88\xe5\x93\x88'
>>> import struct
#將g的前兩個字節(jié)轉(zhuǎn)成字節(jié)流昵宇，再轉(zhuǎn)成unicode打印出來
>>> g1=struct.pack("ss",*g[0:2])
>>> g1
'\xb9\xfe'
>>> g1.decode('gbk')
u'\u54c8'
>>> print g1.decode('gbk')
哈
#再來處理d，將d的字節(jié)流
>>> d
'\xe5\x93\x88\xe5\x93\x88'
>>> d1=struct.pack("ss",*d[0:2])
>>> d2=struct.pack("ss",*d[2:3])
>>> d1
'\xe5\x93'
>>> d2
'\x88'
>>> print d1+d2
哈
#最后做個比較儿子，加深印象
>>> d1+d2==g1
False
>>> g1
'\xb9\xfe'
>>> unicode(d1+d2,"utf-8")==unicode(g1,'gbk')
True
由此可以看出字節(jié)流其實也是字符串瓦哎，他們可以相加，也可以截斷柔逼，相加之后還能繼續(xù)進行解碼蒋譬，得到同樣的unicode對象。但同時我們可以看到在python2中愉适，字符串和字節(jié)流混用了同一個類型（str）犯助，但是字符串（str）和unicode又同時可以顯示文字。這也是經(jīng)常讓人抓狂的地方维咸。
好在python3對這一點進行了巨大的變革剂买，對文本和二進制數(shù)據(jù)作了更為清晰的區(qū)分。文本總是Unicode癌蓖，由str類型表示瞬哼，二進制數(shù)據(jù)則由bytes類型表示。Python 3不會以任意隱式的方式混用str和bytes租副，正是這使得兩者的區(qū)分特別清晰坐慰。你不能拼接字符串和字節(jié)包，也無法在字節(jié)包里搜索字符串（反之亦然）附井，也不能將字符串傳入?yún)?shù)為字節(jié)包的函數(shù)（反之亦然）。這是件好事两残。
2永毅、Python3中的字符串
有了上面的基礎，不用花太多時間就能把python3中的字符串講清楚人弓。
2.1python3中的普通字符串
在python3中沼死，str默認使用的編碼就是unicode，看例子
>>> a='abc'
>>> a
'abc'
>>> print (repr(a))
'abc'
>>> b="哈哈"
>>> print(b)
哈哈
>>> print (repr(b))
'哈哈'
>>> b.encode("unicode-escape")
b'\\u54c8\\u54c8'
>>> b.encode("gbk")
b'\xb9\xfe\xb9\xfe'
>>> b.encode("utf-8")
b'\xe5\x93\x88\xe5\x93\x88'
>>> b.encode("utf-16")
b'\xff\xfe\xc8T\xc8T'
>>> b.decode
#可以看到python3中字符串沒有decode功能了
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'str' object has no attribute 'decode'
在上面的例子可以看到崔赌，在字符串encode之后意蛀，得到的結果是一個類似于b'\xb9\xfe\xb9\xfe'的字節(jié)流，這個字節(jié)流是bytes類型的健芭，python3中bytes類型和str類型非常的類似,他們之間的轉(zhuǎn)換關系县钥。
- bytes-->str: decode過程
- str-->bytes: encode過程
下面看個例子：
#可以直接定義一個byte類型的字節(jié)流，直接decode成字符串（str慈迈，也就是unicode）
>>> c=b'\xff\xfe\xc8T\xc8T'
>>> type(c)
<class 'bytes'>
>>> c.decode("utf-16")
'哈哈'
#或者
>>> str(c,encoding="utf-16")
'哈哈'
現(xiàn)在在做字符流截斷的操作就很簡單清楚了：
>>> e='哈哈'
>>> d=e.encode("utf-8")
>>> d
b'\xe5\x93\x88\xe5\x93\x88'
>>> d1=d[0:2]
>>> d2=d[2:3]
>>> (d1+d2).decode("utf-8")
'哈'