Python2.x使用過程中，中文亂碼解決最耳熟能詳?shù)姆椒ň褪窃诖a前加上#-*- coding:utf-8 –*-

那么為什么需要這么做呢？什么又是字節(jié)和字符？下面我們了解下。

我來講一下字符問題我的理解吧，雖然我對Python的編碼處理的具體細(xì)節(jié)還不太清楚，不過臨時稍微看了一下，和Perl的原理也差不多

最重要的是必須區(qū)分“字符”和“字節(jié)”的不同，“字符”是抽象的，而“字節(jié)”是具體的

比如一個“中”字，在不同編碼中用如下字節(jié)表示：

    GBK      Big5        UTF-8     UTF-16LE 
/xD6/xD0  /xA4/xA4  /xE4/xB8/xAD  /x2D/x4E 

所謂“抽象”的“字符”的“中”，并不是指“/xD6/xD0”或“/xA4/xA4”或任何字節(jié)，應(yīng)該把它理解成：GBK編碼中“/xD6/xD0”字節(jié)所指代的那個字符（語言學(xué)中的能指→所指），或者UTF-8編碼中“/xE4/xB8/xAD”所指代的那個字符，但并不是這些具體字節(jié)本身

問題是，抽象的字符要作為數(shù)據(jù)進(jìn)行存儲和傳遞，就必須有具體的形式，也就是說你在程序內(nèi)部實現(xiàn)中，要存儲“中”這個字符，你必須采用某些特定的字節(jié)。你可以用“/xD6/xD0”，也可以用“/xE4/xB8/xAD”，也可以用“/x2D/x4E”，Python在Windows下采用的是UTF-16LE（？），也就意味著它的“字符”的載體編碼是UTF-16LE

sys.setdefaultencoding(name) Set the current default string encoding used by the Unicode implementation. 

文檔上是這么寫的，如果我的理解沒錯的話，這個函數(shù)的作用就是改變“字符”的載體編碼，sys.setdefaultencoding('gbk')以后，“中”這個字符在程序內(nèi)部就不是用“/x2D/x4E”來承載，而是用“/xD6/xD0”來承載了

Python2.x里的str和unicode有什么區(qū)別呢？從字面意義上看容易混淆，實際上，你可以把它理解成str是“字節(jié)串”，unicode是“字符串”（string總是翻譯成“字符串”，在這里就很容易把人繞暈），看下面的例子：

# -*- coding: gb2312 -*-  s = "張三李四" print len(s) #=> 8 u = s.decode('gbk') print len(u) #=> 4 

我的腳本編碼用的是GBK，而不是UTF-8，你會看到len(s)是8，這是這四個漢字所用的實際8個“字節(jié)”，而len(u)是4，這就表示這里有4個“字符”

encode和decode是什么意思呢？所謂編碼，就是把意義轉(zhuǎn)換成符號；而解碼，就是把符號還原成意義。在這里，encode應(yīng)該理解成把抽象的字符轉(zhuǎn)換成具體的字節(jié)，而decode是把具體的字節(jié)還原成抽象的字符

現(xiàn)在的問題是：str類和unicode類都同時具有encode和decode方法，這是一個讓我很不以為然的設(shè)定。如果按照字節(jié)與字符的區(qū)分，encode方法是應(yīng)該只歸unicode類所有，decode方法是只歸str類所有的，因為“意義”只能轉(zhuǎn)換成“符號”，“意義”再還原成“意義”這本身就沒有意義。