python2中常见的几个编码现象

接触python这门语言，到现在，已经有很长的时间了。从最初的python2入手，到python3，再到现在，离python2放弃支持只有约两年的时间。

作为一个非科班出生的IT从业人员，这一路上，磕磕绊绊很多，很多概念，用法，需要很长的使用才能理解，例如，python2中一直头疼的编码问题。

python2的开发过程中，会遇到的编码设置，主要在这几个地方：

1，文件保存时，采用utf-8编码；

2，开发项目时，文件顶部使用coding:utf-8标明编码；

3，reload(sys)，sys.setdefaultencoding('utf-8')，此种修改编码；

4，在输出时，特别是windows下的cmd中输出时，额外encode('gbk');

接下来，将一步一步来理解他们。

我们知道，计算机中所有的内容，无论是存在磁盘上的文件，还是内存中的指令，都不是我们看到的，英文或者中文。他们都是以01形式存在的二进制码。而我们的所看到的中文，英文，都是相关软件在打开后，根据某种规则，让特定的二进制码映射到字符，并且显示出来。

这里就是 1 中涉及到的编码。我们通过敲击键盘，输入的文字，将依据某种规则，变成二进制码，进行存储，例如utf-8，gbk。同样的，当我们再次打开文件时，将根据这种编码规则，将显示成字符。

比如，我们看到的‘中文’，转成的字符时并不是‘中文’，而是其他。那么我们是怎么看到显示屏上的'中文'的呢？这里就出现了与编码对应的东西，字符集，例如，utf-8字符集，gbk字符集。字符集将那些根据二进制码，转成的字符，映射成显示屏上看到的文字。

这也就能解释，如果本地用非utf-8编码保存的项目文件，如果有中文，在别的开发人员的电脑上，打开可能乱码：因为一个有一定开发经验的开发人员，会使用大众推荐的utf-8来保存文件，而不是少众的gbk，或者其他。

这里提到了utf-8，这是一种近乎囊括其它所有编码规则的编码，这也是他被推崇的原因之一。

接下来，是文件顶部的coding:utf-8。

在讲这个之前，就要提到运行python程序。我们通常使用python test.py 的方式运行一个python程序，虽然，python是一门解释型语言，我们能够在交互界面逐条的运行。但是，在此种情况下，即python test.py方式，python会先进行编译，当然，只是编译到内存中。

python在编译前，先，使用文件存放时指定的编码，将二进制数据转成字符，然后进行编译，尝试使用ascii编码将读取到的内容，代码和中文，编码成为二进制数据写进内存，也就是指令。

而编译时使用的ascii，是默认的，而ascii，并不支持中文，所以，当未指定coding:utf-8时，将提示ascii并不能对某个字符编码。

当然，指定utf-8并不是一成不变的。python只是需要一个支持中文的编码，而非utf-8，但utf-8有他的优势，并且也是大多数开发人员接受的，所以，也就约定俗称了。在windows平台下，coding:gbk也是可行的。

到此，就讲述了 2 中提到的编码，文件顶部的 coding:utf-8。

紧接着，是sys.setdefaultencoding(‘utf-8’)用法中的编码。

从函数的名字可以看出，这是一个关于默认编码的设置，那么要从两个方面思考。第一，哪些地方的默认？第二，他有什么用？

第一个问题，哪些地方的默认？

此处我能举出的例子有限。讲第一个例子时，需要提前知道，python中的字符串有两种存在，一种是str形式存在，一种是以unicode形式存在。str形式，可以看作是，二进制码，他和编码后的格式相同。另一种是unicode，他可以看作是字符，和解码后的格式相同。

当我们使用 a = u'中文'时，和a = unicode('中文')，能起到类似格式的结果。当使用unicode函数是，可以使用unicode('中文','utf-8')或者其他编码，来解码变成unicode码，而未指定时，将使用python的默认编码，也就是原本的sys.defaultencoding()，通常也就是，ascii编码。当通过setdefaultencoding()重新指定编码，能够解决很多编码带来的异常。当然，有没有可能引发其他异常？暂时没有发现。

第二个例子，当我们定义一个str格式的变量a时，可以通过decode().encode()来转编码，但是，也可以直接通过encode()来转，此时就将使用默认的编码，及defaultencoding()函数显示的编码，也是ascii编码。

第二个问题，有什么作用？

这个用法，是在搜寻ascii编码带来的error时找到的，并且行之有效——他能直接避免你可能遇到的编码问题，并没有具体的例子。有点类似于，万能药，但，肯定会引发不容易遇到的其他错误，我想如果你能遇到这种错误的时候，也一定对编码有了很深的理解，能够尝试自己解决问题了。

到此，关于setdefaultencoding()就讲述完毕。

接下来，是windows的cmd输出时的编码。

不难找到很多介绍，说windows使用的是gbk编码，所以会乱码，但是，怎么个过程呢？

在输出时，如果是str格式，相当于编码后的数据，也相当于二进制码，其实当作是一段密文。而输出窗体，只是对字符给予特定的显示，这里的字符，需要的是unicode类型。所以，str将先进行解码。而解码，是cmd窗口来做，更好的理解可能是，windows来做。而windows使用的是gbk编码。你可以想象，两套不同的编码，即加密和解密的规则不同，将导致最后得到的字符不同，而映射显示出来的内容，自然也就和最初的设定大不一样。

那如果是unicode码呢？抱歉，很多文章讲到，python的unicode格式，可以转成其他编码内容，是一种类似于中间态的数据。然而，我对此的理解却是，需要是utf-8编码转成的unicode码，才具有这种特性。因为utf-8包含了其他所有的编码规则，他是兼容其它编码的，所以，当以他作为编码，解码转成unicode时，他能直接输出，也能再次使用encode编码，再次输出。这也是顶部coding：utf-8所带来的一个便捷之处。

比如，如果我想在windows下的输出不乱码，该怎么做？

1，指定gbk。

在顶部，指定，coding：gbk。这样带来的效果是，str是按照gbk编码的，对应cmd窗口输出时的编码gbk。

2，转成gbk。

当顶部使用的是utf-8，那么可以通过decode('utf-8')，转成具有包容性的unicode，那么输出就没有问题了。

到此，关于python在项目开发中，关于编码的问题，也算是大致都阐述明白了。这些概念，只是个人查阅相关资料，以及实际操作过程后的总结，如果有错误之处，及时联系，并将及时修改。