Python 字符串与unicode对象关于与区别 encode、decode

作者：shede333
主页：http://my.oschina.net/shede333 && http://blog.sina.com.cn/u/1509658847
版权声明：原创文章，版权声明：自由转载-非商用-非衍生-保持署名 | [Creative Commons BY-NC-ND 3.0][]

#Python 字符串与unicode对象关于与区别 encode、decode

作者：shede333
主页：http://my.oschina.net/shede333
版权声明：原创文章，版权声明：自由转载-非商用-非衍生-保持署名 | [Creative Commons BY-NC-ND 3.0][]

结合下面的文章的一点理解：
python 中文乱码问题深入分析_python_脚本之家
 python的str，unicode对象的encode和decode方法（转） - 不得闲 - 博客园
 python编码问题_百度文库

##字符串str：
是一个字节数组，是对unicode对象，编码encode(utf-8,gbk,GB2312 等等)后的存储格式，

比如，str=‘哈哈’，文件头声明编码为UTF-8, 那么，str里面真正的内容为 '\xe5\x93\x88\xe5\x93\x88’ (可用print repr(str)来查看)
它仅仅是一个字节流，没有其它的含义，如果你想使这个字节流显示的内容有意义，就必须用正确的编码格式;
通过decode()接口转变为u’***’,
想查看str里面的具体内容，使用接口print repr(str) ，str里面存储的内容与项目文件指定的编码有关

##unicode对象 u’****’：是一个unicode对象，通过encode()接口转换为str

注：在pycharm等ide 更改文件头编码声明，会影响文件真正的编码存储，可能会影响测试结果

我推断，print str，能否成功，取决于str里面内容的编码，与文件头声明的编码是否一致
声明一个str=‘测试’, 那么str里存储的具体内容，取决于文件头声明的编码格式；（见’测试1’与’测试2’的结果区别）
即程序会保存该汉字在指定编码里面字符集的字符；
所以同样的str=‘测试’声明，不同的文件头-编码，repr(str)会输出不同的内容

##开始测试验证

测试环境 Mac OS 10.9 , Pycharm 3.0.2

###测试1.

#_*_ coding:GBK _*_
print '哈哈'.decode('gbk')
print repr('哈哈’)

输出：
哈哈
'\xb9\xfe\xb9\xfe’

###测试2.

#_*_ coding:UTF-8 _*_
print '哈哈'.decode('utf-8')
print repr('哈哈’)

输出：
哈哈
'\xe5\x93\x88\xe5\x93\x88'

###测试3.

文件头 #_*_ coding:GBK _*_
print repr('哈哈’)
print '哈哈'.decode(‘utf-8')

输出：
'\xb9\xfe\xb9\xfe’
UnicodeDecodeError: 'utf8' codec can't decode byte 0xb9 in position 0: invalid start byte

###测试4.

#_*_ coding:UTF-8 _*_
print repr('哈哈’)
print '哈哈'.decode('gbk')

输出：
'\xe5\x93\x88\xe5\x93\x88'
鍝堝搱
注：上面输出了乱码

来源：oschina

链接：https://my.oschina.net/u/574576/blog/219789

标签

Python 字符串与unicode对象 关于与区别 encode、decode