參考資料：
python2.7 unicode 基礎(chǔ)知識(shí)講解官方文檔?
python 3 uncode基礎(chǔ)知識(shí)講解
緣起：
python2.7 使用spacy進(jìn)行分句時(shí)植康，spacy的接口要求輸入字符串格式是unicode蹦掐， 我的輸入是str县貌， 程序運(yùn)行時(shí)報(bào)出編碼錯(cuò)誤
總結(jié)：
先說結(jié)論碗誉， python2.7? 中 str 類型 和 unicode 類型是兩碼事孝凌，str 類型要轉(zhuǎn)換成unicode
需要知道str類型的編碼方式 然后? ?string.decode("編碼類型")
比如 讀進(jìn)來 "hello world"的編碼方式是utf-8
"hello world".decode("utf-8")? ?# 現(xiàn)在的類型就是unicode
python 3 中 str 類型就是 unicode類型，兩者等價(jià).
"hello world" == u"hello world"? ?==> True
"hello world".encode("utf-8")? ==> b"hello world"? ? # 內(nèi)存中二進(jìn)制的表示
字符到數(shù)字的編碼（ascii郊供、unicode）
ascii 是對(duì)常用的美語中常見字符到數(shù)字的映射（abcd等 到 0-255之間數(shù)字的一個(gè)對(duì)應(yīng)關(guān)系）
ascii是計(jì)算機(jī)出現(xiàn)后止后，人們最開始的編碼方式，unicode是對(duì)ascii的拓展葛虐。
unicode 則是對(duì)世界上所有語言的基本符號(hào)（比如中文中的 “中”“國(guó)”）到數(shù)字的一個(gè)映射胎源，雖然規(guī)模更大， 但原理和ascii是一樣的屿脐， 都是將語言中的基本組成單元字符（"a", "中"等）映射到數(shù)字（ascii是直接用十進(jìn)制數(shù)字表示涕蚤，unicode 則是用16進(jìn)制數(shù)字表示）
unicode到內(nèi)存中（010111...）的編碼
這是一個(gè)unicode數(shù)字串到內(nèi)存中映射的過程宪卿，有多種做法。
uncode?字符串是一串?dāng)?shù)字万栅，需要將unicode字符串以一串字節(jié)的形式存儲(chǔ)在內(nèi)存中佑钾，這個(gè)轉(zhuǎn)換規(guī)則稱為編碼（比如，ascii烦粒，Latin-1,?utf-8, utf-16, gbk）休溶。python2中默認(rèn)的到內(nèi)存中的編碼方式是ascii， python3 則是utf-8撒遣。編碼到內(nèi)存中的都是二進(jìn)制的形式邮偎。
python2.7中編碼總是出現(xiàn)問題的原因
python2中， 從文件讀進(jìn)來的字符串义黎，或者我們自己輸入的字符串都是內(nèi)存中對(duì)應(yīng)一定的編碼（比如ascii禾进，utf-8）后的str類型，str.decode("utf-8")之后才是unicode類型 廉涕， unicode又可以編碼成各種類型泻云。
python3 中，文件讀進(jìn)來和輸入的字符串一開始都是unicode類型的字符串狐蜕，具體在內(nèi)存中的編碼方式宠纯，由程序員自己設(shè)置，當(dāng)然默認(rèn)是utf-8編碼层释。這種處理方式更符合人的直覺婆瓜。
理清楚了這個(gè)過程處理python2、3中的編碼問題就不是問題了贡羔。
