一、编码历史：
1、ASCII（主要用于显示现代英语和其他西欧语言，其最多只能用 8 位来表示（一个字节），即：2**8 = 256-1，所以，ASCII码最多只能表示 255 个符号。
2、为了处理汉字，程序员设计了用于简体中文的GB2312，但GB2312 支持的汉字太少，之后扩展规范为GBK，之后为GB18030（手机、MP3一般只支持GB2312）。从ASCII、GB2312、GBK 到GB18030，这些编码方法是向下兼容的。GB2312、GBK、GB18030都属于双字节字符
3、因为ASCII码无法将世界上的各种文字和符号全部表示，所以，需要一种可以代表所有字符和符号的编码，即：Unicode（统一码、万国码、单一码），它为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定字符和符号最少由16位来表示（2个字节），即：2 **16 = 65536。
4、UTF-8，是对Unicode编码的压缩和优化，它是可变长度编码，很好的节省了空间。winx的操作系统安装时是默认的gbk编码，而linux操作系统默认的是utf8编码。
二、py3的编码：
Py3有两种数据类型：str和bytes，str类型存unicode数据，bytse类型存bytes数据。Python 3对文本和二进制数据作了更为清晰的区分，不再会对bytes字节串进行自动解码。文本总是Unicode，由str类型表示，二进制数据则由bytes类型表示。Python 3不会以任意隐式的方式混用str和bytes，这使两者的区分特别清晰。你不能拼接字符串和字节包，也无法在字节包里搜索字符串（反之亦然），也不能将字符串传入参数为字节包的函数（反之亦然）。
在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string
import json
s = '苑昊'
print(type(s) )#<class 'str'>
print(json .dumps(s) )#"u82d1u660a"
b=s.encode('utf-8')
print(type(b))#<class 'bytes'>
print(b)#b'xe8x8bx91xe6x98x8a'
u=b.decode('utf-8')
print(type(u) )#<class 'str'>
print(u)#苑昊
print(json .dumps(u) )#"u82d1u660a"
print(len('苑昊'))#2
三、文件从磁盘到内存的编码：
文本编辑器比如word，我们在word上编辑的文字在保存之前数据是通过什么形式存在内存的呢？是unicode数据，这是因为它是万国码，任何字符它都有唯一编码对应，所以兼容性是最好的。
当我们保存了的存到磁盘上的数据是通过某种编码方式编码的bytes字节串。比如utf8——一种可变长编码，很好的节省了空间，还有gbk编码等等。于是，在我们的文本编辑器软件都有默认的保存文件的编码方式，比如utf8，比如gbk。当我们点击保存的时候，这些编辑软件已经"默默地"帮我们做了编码工作。那当我们再打开这个文件时，软件又默默地给我们做了解码的工作，将数据再解码成unicode,然后就可以呈现明文给用户了！所以，unicode是离用户更近的数据，bytes是离计算机更近的数据。
再说程序执行：先明确一个概念：py解释器本身就是一个软件，一个类似于文本编辑器一样的软件！现在让我们一起还原一个py文件从创建到执行的编码过程：
打开pycharm，创建hello.py文件，写入
s='苑昊'
print(s)
当我们保存的的时候，hello.py文件就以pycharm默认的编码方式保存到了磁盘；关闭文件后再打开，pycharm就再以默认的编码方式对该文件打开后读到的内容进行解码，转成unicode到内存我们就看到了明文；而如果我们点击运行按钮或者在命令行运行该文件时，py解释器这个软件就会被调用，打开文件，然后解码存在磁盘上的bytes数据成unicode数据，这个过程和编辑器是一样的，不同的是解释器会再将这些unicode数据翻译成C代码再转成二进制的数据流，最后通过控制操作系统调用cpu来执行这些二进制数据，整个过程才算结束。
那么问题来了，我们的文本编辑器有自己默认的编码解码方式，我们的解释器有吗？
当然有，py2默认ASCII码，py3默认的utf8，可以通过如下方式查询
|
1 2 |
import sys print(sys.getdefaultencoding()) |
常见的编码问题：
cmd下的乱码问题
hello.py
#coding:utf8
print ('苑昊')
文件保存时的编码也为utf8。
思考：为什么在IDE下用2或3执行都没问题，在cmd.exe下3正确，2乱码呢？
我们在winx下的终端即cmd.exe去执行，大家注意，cmd.exe本身也一个软件；当我们python2 hello.py时，python2解释器(默认ASCII编码)去按声明的utf8编码文件，而文件又是utf8保存的，所以没问题；问题出在当我们print'苑昊'时，解释器这边正常执行，也不会报错，只是print的内容会传递给cmd.exe用来显示，而在py2里这个内容就是utf8编码的字节数据，可这个软件默认的编码解码方式是GBK，所以cmd.exe用GBK的解码方式去解码utf8自然会乱码。
py3正确的原因是传递给cmd的是unicode数据，cmd.exe可以识别内容，所以显示没问题。
明白原理了，修改就有很多方式，比如：
print (u'苑昊')
改成这样后，cmd下用2也不会有问题了。