python--字符编码理解

一、字符编码简史：

美国：1963年 ASCII （包含127个字符  占1个字节）

中国：1980年 GB2312 （收录7445个汉字，包括6763个汉字和682个其它符号）

                 1993年 GB13000 （收录20902个汉字）

                         1995年 GBK1.0 （收录 21003个汉字）

                                  2000年 GB18030 （收录70244个汉字）

世界：1991年 unicode（‘万国码’也就统一编码，通常占2字节，复杂的汉字占4字节）

                UTF-8 （可变长的字符编码）

二、python中的编码解码应用

Python2中的字符串进行字符编码转换过程是：

字节串-->decode('原来的字符编码')-->Unicode字符串-->encode('新的字符编码')-->字节串

#!/usr/bin/env python
# -*- coding:utf-8 -*-

utf_8_a = '测试'
print(utf_8_a,type(utf_8_a),len(utf_8_a))  #打印utf_8_a的内容、类型及长度
unicode_a = utf_8_a.decode('utf-8') #对utf_8_a进行解码成unicode
print(unicode_a,type(unicode_a),len(unicode_a))
gbk_a = utf_8_a.decode('utf-8').encode('gbk') #先解码在编码成gbk
print(gbk_a,type(gbk_a),len(gbk_a)) #打印gbk_a的内存、类型及长度
print(gbk_a.decode('gbk'))
----------------------------------------------------
pytharm（python2.6）运行结果：
('xe6xb5x8bxe8xafx95', <type 'str'>, 6)
(u'u6d4bu8bd5', <type 'unicode'>, 2)
('xb2xe2xcaxd4', <type 'str'>, 4)
测试

Python3中定义的字符串默认就是unicode，因此不需要先解码，可以直接编码成新的字符编码：

       字符串-->encode('新的字符编码')-->字节串

#!/usr/bin/env python
# -*- coding:utf-8 -*-
 
utf_8_a = '测试'
print(utf_8_a,type(utf_8_a),len(utf_8_a))  #打印utf_8_a的内容、类型及长度
gbk_a = utf_8_a.encode('gbk')
print(gbk_a.decode('gbk'),type(gbk_a),len(gbk_a))
 --------------------------------------------------------
pycharm（python3.6）运行结果：
测试 <class 'str'> 2
测试 <class 'bytes'> 4

注：关于字符与字节的理解 猛击这里

三、参考文档：

　　http://www.cnblogs.com/magicsoar/p/4981701.html

       http://www.cnblogs.com/alex3714/p/4296002.html

       http://www.cnblogs.com/zhangqigao/p/6496172.html