cp936-一图看懂 Python 2 / Python 3 编码 | CSDN 博文精选

限时特惠： 本站每日持续更新海量各大内部创业教程，一年会员只需98元，全站资源免费下载点击查看详情
站长微信： muyang-0410

出品 | CSDN博客

无论是PY2还是PY3，都使用作为内存编码，简称内码。保存在解释器内存中的文本cp936，输出到屏幕、编辑器，或者保存成文件的时候，都要将内码转换成UTF8或者GBK等编码格式；同样，解释器从输入设备接收文本，或者从文件读取文本的时候，都要将UTF8或者GBK等编码转换成编码格式。因此，无论是PY2还是PY3cp936，想要在、UTF8、GBK等编码格式之间转换的话，下图是通用的：

我们之所以会产生困惑，是因为PY2和PY3给这些编码格式指定了令人困惑的名字。PY2的字符串有两种类型：类型和str类型。PY2的类型就是编码，PY2的str类型泛指除编码之外的所有编码，包括ASCII编码、UTF8编码、GBK编码、cp936编码等。PY3的字符串也有两种类型：bytes类型和str类型。PY3的str类型就是编码，PY3的bytes类型泛指除编码之外的所有编码，包括ASCII编码、UTF8编码、GBK编码、CP936编码等。同样是str类型，在PY2和PY3中完全颠倒了！下图稍微补充了一点内容，更有助于理解编码问题。

cp936_cp936_cp936

接下来，我们实战演练一下。

>>> s = 'abc天圆地方'
>>> type(s)

>>> len(s)
7
>>> s
'abc天圆地方'
>>> print(s)
abc天圆地方
>>> s.encode('unicode-escape')
b'abc\u5929\u5706\u5730\u65b9'

不管是否在字符串前面加了u，只要不在字符串前面使用b，在IDLE中定义的字符串都是编码，也就是PY3的，其长度就是字符数量，不是字节数。我们把字符串’abc天圆地方’转成UTF8编码：

>>> s_utf8 = s.encode('utf8')
>>> type(s_utf8)

>>> len(s_utf8)
15
>>> s_utf8
b'abcxe5xa4xa9xe5x9cx86xe5x9cxb0xe6x96xb9'
>>> print(s_utf8)
b'abcxe5xa4xa9xe5x9cx86xe5x9cxb0xe6x96xb9'
>>> s_utf8.decode('utf8')
'abc天圆地方'

UTF8编码就是bytes类型（字节码），长度就是字节数量。我们把字符串’abc天圆地方’转成GBK编码：

>>> s_gbk= s.encode('gbk')
>>> type(s_gbk)

>>> len(s_gbk)
11
>>> s_gbk
b'abcxccxecxd4xb2xb5xd8xb7xbd'
>>> print(s_gbk)
b'abcxccxecxd4xb2xb5xd8xb7xbd'
>>> s_gbk.decode('s_gbk')
'abc天圆地方'

GBK编码也是bytes类型（字节码），长度也是字节数量。我们再来看看，不同编码的字节码能否连接：

>>> ss = s_utf8 + s_gbk
>>> ss
b'abcxe5xa4xa9xe5x9cx86xe5x9cxb0xe6x96xb9abcxccxecxd4xb2xb5xd8xb7xbd'
>>> ss.decode('utf8')
Traceback (most recent call last):
File "<pyshell#64>", line 1, in 
ss.decode('utf8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcc in position 18: invalid continuation byte
>>> ss.decode('gbk')
'abc澶╁渾鍦版柟abc天圆地方'
>>> ss.decode('utf8', 'ignore')
'abc天圆地方abcԲط'
>>> ss.decode('gbk', 'ignore')
'abc澶╁渾鍦版柟abc天圆地方'