python版本与编码的区别

Posted 2020-09-21

主要编码介绍

python解释器在加载 .py 文件中的代码时，会对内容进行编码（默认ascill）

ASCII（American Standard Code for Information Interchange，美国标准信息交换代码）是基于拉丁字母的一套电脑编码系统，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，所以，ASCII码最多只能表示 256 个符号。

显然ASCII码无法将世界上的各种文字和符号全部表示，所以，就需要新出一种可以代表所有字符和符号的编码，即：Unicode

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的，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，规定虽有的字符和符号最少由 16 位来表示（2个字节），即：2 **16 = 65536，
注：此处说的的是最少2个字节，可能更多

UTF-8，是对Unicode编码的压缩和优化，他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存...

GBK，也是对Unicode编码的压缩和优化，全称为汉字内码拓展规范，使用了双字节编码方案，由中国信息技术标准化委员会制订。

所以，python2解释器在加载 .py 文件中的代码时，会对内容进行编码（默认ascill），如果是如下代码的话：

报错：ascii码无法表示中文

1 #!/usr/bin/env python
2   
3 print "你好，世界"

改正：应该显示的告诉python解释器，用什么编码来执行源代码，即：

1 #!/usr/bin/env python
2 # -*- coding: utf-8 -*-
3   
4 print "你好，世界"

而在python3中，改为使用默认ut-8进行编码，所以在python3中不加# -*- coding: utf-8 -*-也不会出现乱码。

编码之间的转化

在python2.7中

如果想将UTF-8转化为GBK编码，那么先要解码成unicode，然后再编码成GBK编码，即：

1 temp =  "李程"
2 # 解码 需要指定原来是什么编码
3 temp_unicode = temp.decode("utf-8‘)
4 # 编码 需要指定要编成什么编码
5 temp_gbk = temp_unicode.encode("gbk")

而在python3中

移除了unicode类型的编码，系统自动帮你完成内部一系列的转换，你只需要一步进行编码即可：

1 temp = "李程"
2 # 自动进行转化
3 temp_gbk = temp.encode("gbk")

Tips：

window终端默认采用的编码格式是GBK，所以UTF-8编码的代码在终端显示会乱码，但是window可以自动将unicode编码的代码转化成自己想要的编码格式，所以在window上你只需要将其他类型的编码转化成unicode即可。