python中的编码知识整理汇总
问题
在平时工作中，遇到了这样的错误：
UnicodeDecodeError:'ascii'codeccan'tdecodebyte
想必大家也都碰到过，很常见。于是决定对python的编码做一个整理和学习。
基础知识
在python2.x中，有两种数据类型，unicode和str，这两个都是basestring的子类
>>>a='中' >>>type(a) <type'str'> >>>isinstance(a,basestring) True >>>a=u'中' >>>type(a) <type'unicode'> >>>isinstance(a,basestring) True
两者的区别，概括来讲，str是字节串，由unicode经过编码(encode)后的字节组成的（好比与python3.x的byte）；unicode是对象，才是真正意义上的字符串，由字符组成
>>>a='中文' >>>len(a) 6 >>>repr(a) "'\\xe4\\xb8\\xad\\xe6\\x96\\x87'" >>>b=u'中文' >>>len(b) 2 >>>repr(b) "u'\\u4e2d\\u6587'"
控制台和脚本
在linux下的python控制台执行以下命令，所得的结果和执行脚本是不同的
>>>a=u'中文'
>>>repr(a)
"u'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>>b=unicode('中文','utf-8')b)
>>>repr(b)
"u'\\u4e2d\\u6587'"
可以看到，u'中文'初始化的对象a不是我们所期望的，那究竟是什么原因呢？
将python看成是一根管子，管子里头处理的中间过程都是使用unicode的。入口处，全部转成unicode；出口处，再转成目标编码(当然，有例外，处理逻辑中要用到具体编码的情况)。
在控制台执行命令a=u'中文'，可以将解释为命令，a=‘中文'.decode(encode)，从而到到unicode对象a。那么这里的encode是什么呢？对于控制台来说，就是标准输入，即sys.stdin.encoding
>>>sys.stdin.encoding 'ISO-8859-1'
我的这边控制台默认的编码是ISO-8859-1，故a=u'中文'<=>a='中文'.decode('ISO-8859-1')
这里的'中文'是控制台理解的，即使根据终端编码方式编码后的字节码，对于utf-8编码的终端，'中文'='\\xe4\\xb8\\xad\\xe6\\x96\\x87'
>>>a='中文'.decode('ISO-8859-1')
>>>repr(a)
"u'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
那如何修改此编码值呢，设置为什么呢？在linux环境中设置环境变量方法如下，具体设置什么只要与终端编码方式一直即可
exportPYTHONIOENCODING=UTF-8
总结
重新回到最初的那个问题，造成问题的原因是没有搞清楚unicode和str的区别，将两者进行了混用。
>>>a='中文'
>>>a.encode('gbk')
Traceback(mostrecentcalllast):
File"<stdin>",line1,in<module>
UnicodeDecodeError:'ascii'codeccan'tdecodebyte0xe4inposition0:ordinalnotinrange(128)
以上的对象a其实是str，即字节码，若终端是utf-8编码的话，那么a就是用utf-8encode的字节码。a.encode('gbk')等价于a.decode(encoding).encode('gbk')，即先将字节码解码为unicode字符，然后再encode为字节码。unicode对象作为中转站。那么这里的encoding是什么呢？
>>>importsys >>>sys.getdefaultencoding() 'ascii'
默认是ascii，这正是错误为什么报无法用ascii解码的原因
>>>reload(sys)
<module'sys'(built-in)>
>>>sys.setdefaultencoding('utf-8')
>>>a='中文'
>>>repr(a)
"'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>>a.encode('gbk')
'\xd6\xd0\xce\xc4'
将默认编码改为utf-8，即可。不鼓励对str使用encode方法，因为其中隐式对str进行了解码。decode只对str，encode只对unicode，一切decode/encode都显示指定编码方式。