摘抄:
字符串在Python内部的表示是Unicode编码,因此,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符解码(decode)成unicode,再从unicode编码(encode)成另一种编码。
decode的作用是将其他编码的字符转换成unicode编码,如str1,decode('gb2312'),表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串,如str2,encode('gb2312'),表示将unicode编码的字符串str2转换成gb2312编码。
因此,转码的时候一定要明白,字符串str是什么编码,然后decode成unicode编码,然后再encode成其他编码。
通常,在没有指定特定的编码方式时,都是使用的系统默认编码创建的代码文件。
如:
s = '中文'
在utf8文件中,该字符串就是utf8编码了;
在gb2312文件中,该字符串就是gb2312编码了;
如字符串是这样定义: s =u'中文'，则该字符串的编码就被指定为unicode编码了,即Python的内部编码，而与代码文件本身的编码无关,因此,对于这种情况做编码转换,只需直接使用encode
方法将其转换成指定编码即可。
如果一个字符串已经是unicode了,再进行解码则将出错,因此通常要对其编码方式是否为unicode进行判断:
isinstance(s,unicode) # 用来判断是否为unicode