python的编码问题|encode（编码）decode（解码）

本文使用的编程环境是centos6.7，python2.7。我们在shell中键入python以打开python命令行，并键入如下两句话：

 s = "中国zg" e  = s.encode("utf-8")

现在的问题是：这段代码能运行吗？
答案是不能，会报如下的错：UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe4 in position 0: ordinal not in range(128)
【ascii码不能解码byte 0xe4】
请留意一下错误中说明的0xe4，它是我们分析错误的突破口。

e = s.encode(“utf-8”)的意思是将字符串s用utf-8进行编码，并将编码后的字符串赋值给e。问题来了，程序现在知道s中的01串，还知道这个01串表示的是字符串，但这个字符串的编码是什么呢？操作系统只给程序传来了01串，并没有告诉程序这个01串用的字符编码是什么。

此时，python程序就会用它自己默认的编码当作s的编码，进而来识别s中的内容。这个默认的编码是ASCII，所以，它会用ASCII来解释这个01串，识别出字符串的内容，再将这个字符串转为utf-8编码。

好了，程序碰到的第一个字节就是E4（11100101 ），傻眼！ ASCII编码中没有这玩意儿啊。ASCII编码中字节第一位都是0啊。

怎么办？ 报错呗，于是我们就看到了上面的错误。 错误中的0xe4就是字符 中 的utf8编码的第一个字节。

python是怎么聪明地解决这个问题的呢？

很简单，就是decode！

decode的意思是说，你有一个字符串，并且你知道它的编码，只要你用该编码decode这个字符串，那么，python就会识别出里面的字符内容，同时，建一个int数组，将每个字符的unicode序号存进去。
所有的字符串都这样做，就可以确保在程序运行过程中，各种来源获得的字符串都有一样的表示。它们就可以方便地进行各种操作了。

上面说的 int数组会被python封装成一个对象，即unicode对象。

---

---

下面，我们在python命令行中输入如下两行代码：

e = s.decode("utf-8")isinstance(e,unicode)

程序的输出是True，这说明，decode后返回的e确实是一个unicode对象。
unicode在这里是一个类，是python里面的类。

e 被称作unicode字符串，意思是说，它存的是字符的unicode序号，并没有使用任何编码。

然后，我们就可以将e编码成任意一种编码，比如下面的操作都是可以的

e.encode("utf-8")e.encode("gbk")

只要你选择的编码能够对e中的字符进行编码即可，如果不能编码，就会报错。
比如，如果你尝试这样：

e.encode("ascii")

由于ASCII并不能编码 中国 这两个字符，所以会爆出 encode error。

至此，我们已经看到了两种错误，decode error 和encode error，并解决了它们。