在之前的文章中，我們介紹過編碼格式的發展史：[文章傳送門-todo]。今天我們通過幾個例子，來徹底搞清楚python3中的編碼格式原理，這樣你之後寫python腳本時碰到編碼問題，才能有章可循。
我們先搞清楚幾個概念：
- 系統默認編碼：指python解釋器默認的編碼格式，在python文件頭部沒有聲明其他編碼格式時，python3默認的編碼格式是utf-8。
- 本地默認編碼：操作系統默認的編碼，常見的Windows的默認編碼是gbk，Linux的默認編碼是UTF-8。
- python文件頭部聲明編碼格式：修改的是文件的默認編碼格式，只是會影響python解釋器讀取python文件時的編碼格式，並不會改變系統默認編碼和本地默認編碼。
通過python自帶的庫，可以查看系統默認編碼和本地默認編碼
Python 3.7.4 (tags/v3.7.4:e09359112e, Jul 8 2019, 20:34:20) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> sys.getdefaultencoding()
'utf-8'
>>> import locale
>>> locale.getdefaultlocale()
('zh_CN', 'cp936')
>>>注意，因為我在windows系統的電腦上 進行測試，所以系統默認編碼返回“cp936”, 這是代碼頁（是字符編碼集的別名），而936對應的就是gbk。如果你在linux或者mac上執行上面的代碼，應該會返回utf-8編碼。
其實總結來看，容易出現亂碼的場景，基本都與讀寫程序有關，比如：讀取/寫入某個文件，或者從網絡流中讀取數據等，因為這個過程中涉及到了編碼 和解碼的過程，只要編碼和解碼的編碼格式對應不上，就容易出現亂碼。下面我們舉兩個具體的例子，來驗證下python的編碼原理，幫助你理解這個過程。注意：下面的例子都是在pycharm中寫的。
01默認的編碼格式
我們新建一個encode_demo.py的文件，其文件默認的編碼格式是UTF-8（可以從pycharm右下角看到編碼格式），代碼如下：
"""
@author: asus
@time: 2019/11/21
@function: 驗證編碼格式
"""
import sys, locale
def write_str_default_encode():
s = "我是一個str"
print(s)
print(type(s))
print(sys.getdefaultencoding())
print(locale.getdefaultlocale())
with open("utf_file", "w", encoding="utf-8") as f:
f.write(s)
with open("gbk_file", "w", encoding="gbk") as f:
f.write(s)
with open("jis_file", "w", encoding="shift-jis") as f:
f.write(s)
if __name__ == '__main__':
write_str_default_encode()
我們先來猜測下結果，因為我們沒有聲明編碼格式，所以python解釋器默認用UTF-8去解碼文件，因為文件默認編碼格式就是UTF-8，所以字符串s可以正常打印。同時以UTF-8編碼格式寫文件不會出現亂碼，而以gbk和shift-jis（日文編碼）寫文件會出現亂碼（這裏說明一點，我是用pycharm直接打開生成的文件查看的，編輯器默認編碼是UTF-8，如果在windows上用記事本打開則其默認編碼跟隨系統是GBK，gbk_file和utf_file均不會出現亂碼，只有jis_file是亂碼），我們運行看下結果：
# 運行結果
我是一個str
<class 'str'>
utf-8
('zh_CN', 'cp936')
# 寫文件utf_file、gbk_file、jis_file文件內容分別是：
我是一個str
����һ��str
�䐥�꘢str和我們猜測的結果一致，下面我們做個改變，在文件頭部聲明個編碼格式，再來看看效果。
02 python頭文件聲明編碼格式
因為上面文件encode_demo.py的格式是UTF-8，那麼我們就將其變為gbk編碼。同樣的我們先來推測下結果，在pycharm中，在python文件頭部聲明編碼為gbk后（頭部加上 # coding=gbk ），文件的編碼格式變成gbk，同時python解釋器會用gbk去解碼encode_demo.py文件，所以運行結果應該和用UTF-8編碼時一樣。運行結果如下：
# 運行結果
我是一個str
<class 'str'>
utf-8
('zh_CN', 'cp936')
# 寫文件utf_file、gbk_file、jis_file文件內容分別是：
我是一個str
����һ��str
�䐥�꘢str結果確實是一樣的，證明我們推論是正確的。接下來我們再做個嘗試，假如我們將（# coding=gbk）去掉（需要注意，在pycharm中將 # coding=gbk去掉，並不會改變文件的編碼格式，也就是說encode_demo.py還是gbk編碼），我們再運行一次看結果：
File "D:/codespace/python/pythonObject/pythonSample/basic/encodeDemo/encode_demo.py", line 4
SyntaxError: Non-UTF-8 code starting with '\xd1' in file D:/codespace/python/pythonObject/pythonSample/basic/encodeDemo/encode_demo.py on line 5, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details
運行直接報錯了，我們加個斷點，看看具體的異常信息：
看錯誤提示是UnicodeDecodeError，python解釋器在對encode_demo.py文件解碼時，使用默認的UTF-8編碼，但是文件本身是gbk編碼，所以當碰到有中文沒辦法識別時，就拋出DecodeError。
03 敲黑板，划重點
python3中的str和bytes
python3的重要特性之一就是對字符串和二進制流做了嚴格的區分，我們聲明的字符串都是str類型，不過Str和bytes是可以相互轉換的：
def str_transfor_bytes():
s = '我是一個測試Str'
print(type(s))
# str 轉bytes
b = s.encode()
print(b)
print(type(b))
# bytes轉str
c = b.decode('utf-8')
print(c)
print(type(c))
if __name__ == '__main__':
str_transfor_bytes()需要注意一點：在調用encode()和decode()方法時，如果不傳參數，則會使用python解釋器默認的編碼格式UTF-8（如果不在python頭文件聲明編碼格式）。但是如果傳參的話，encode和decode使用的編碼格式要能對應上。
python3默認編碼是UTF-8？還是Unicode？
經常在很多文章里看到，python3的默認編碼格式是Unicode，但是我在本文中卻一直在說python3的默認編碼格式是UTF-8，那麼哪種說法是正確的呢？其實兩種說法都對，主要得搞清楚Unicode和UTF-8的區別（之前文章有提到）：
- Unicode是一個字符集，說白了就是把各種編碼的映射關係全都整合起來，不過它是不可變長的，全部都以兩個字節或四個字節來表示，佔用的內存空間比較大。
- UTF-8是Unicode的一種實現方式，主要對 Unicode 碼的數據進行轉換，方便存儲和網絡傳輸 。它是可變長編碼，比如對於英文字母，它使用一個字節就可以表示。
在python3內存中使用的字符串全都是Unicode碼，當python解釋器解析python文件時，默認使用UTF-8編碼。
open()方法默認使用本地編碼
在上面的例子中，我們往磁盤寫入文件時，都指定了編碼格式。如果不指定編碼格式，那麼默認將使用操作系統本地默認的編碼格式，比如：Linux默認是UTF-8，windows默認是GBK。其實這也好理解，因為和磁盤交互，肯定要考慮操作系統的編碼格式。這有區別於encode()和decode()使用的是python解釋器的默認編碼格式，千萬別搞混淆了。
總結
不知道你看完上面的例子后，是否已經徹底理解了python3的編碼原理。不過所有的編碼問題，都逃不過“編碼”和“解碼”兩個過程，當你碰到編碼問題時，先確定源文件使用的編碼，再確定目標文件需要的編碼格式，只要能匹配，一般就可以解決編碼的問題。
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】
※台北網頁設計公司這麼多，該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"
※網頁設計公司推薦更多不同的設計風格，搶佔消費者視覺第一線
※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整
