Python3 字符串和编码：搞懂这玩意儿，别再乱码了！

一、前言：为什么要学字符串和编码？

如果你用 Python 写程序，只要和程序打交道（比如处理文本、接口、文件、网页），几乎绕不开「字符串」和「编码」。特别是当你看到 UnicodeEncodeError 或 UnicodeDecodeError 报错时，那种「我做错了什么」的无助感，你懂的。

所以这篇文章我们就来一次性理清楚：

参考文章：Python 字符串和编码 | 简单一点学习

• Python3 中字符串到底是什么？
• 编码、解码到底是怎么回事？
• 为什么会乱码？怎么避免？
• 实战中该注意哪些坑？

二、字符串基础：str 和 bytes 的区别

2.1 str 是文本，bytes 是字节

Python3 中有两个跟「字符串」相关的类型：

s = "你好，world"   # str 类型
b = b"hello"       # bytes 类型

重点记住：

• str 是给人看的
• bytes 是给计算机传输和存储的

2.2 str 和 bytes 是不能直接拼接的

>>> b"hello" + "世界"
TypeError: can't concat str to bytes

要么编码，要么解码。

三、编码和解码

3.1 什么是编码（encode）

就是把 str（字符）→ 转换成 bytes（字节）

"你好".encode("utf-8")
# 输出：b'\xe4\xbd\xa0\xe5\xa5\xbd'

3.2 什么是解码（decode）

就是把 bytes（字节）→ 转换成 str（字符）

b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode("utf-8")
# 输出：'你好'

3.3 常见编码格式

四、为什么会出现乱码？

乱码 = 解码方式 ≠ 编码方式

举个例子：

text = "你好"
b = text.encode("utf-8")
print(b.decode("gbk"))  # 这就乱码了

所以你要记住这句话：编码用什么，解码就用什么！

五、字符串的编码小技巧

5.1 判断字符串类型

isinstance(obj, str)   # 是文本？
isinstance(obj, bytes) # 是字节？

5.2 encode 和 decode 连用

"你好".encode("utf-8").decode("utf-8")

5.3 编码参数的常用技巧

"你好".encode("utf-8", errors="ignore")
"你好".encode("utf-8", errors="replace")

可以避免一些编码错误爆炸。

六、实际场景中怎么用？

6.1 读取文件时指定编码

with open("file.txt", encoding="utf-8") as f:
    content = f.read()

6.2 网络请求获取的是 bytes，要 decode

import requests

r = requests.get("https://example.com")
html = r.content.decode("utf-8")

6.3 从数据库读出来是 bytes？

用 .decode("utf-8") 转一下。

七、常见坑与解决方案

八、总结回顾

• Python3 把 str 和 bytes 分得很清楚了。
• 编码 encode：str → bytes
• 解码 decode：bytes → str
• 遇到乱码不要慌，多半是编码没对上。
• 文件、网络、数据库这些输入输出场景要特别注意编码。

九、额外补充：字符串在内存里是怎么存的？

• Python3 中所有 str 实际是 Unicode 编码。
• 内部存储可以是 UTF-8、UTF-16、UTF-32，Python 会自己优化存储结构。
• 所以你看到的 len(s) 有时不等于实际字节长度：

>>> len("你好")  # 是字符数
2
>>> len("你好".encode("utf-8"))  # 是字节数
6