Python2与Python3的编码区别

1. str和bytes

1.1 str是文本，bytes是字节

文本是有编码的（UTF-8，GBK，GB2312等）
字节没有编码

文本的编码指的是字符如何使用字节来表示组织方式，linux下默认都使用UTF-8
通过b前缀可以定义bytes

2. Python2和Python3的编码

2.1 Python2

在python2 中是不区分bytes和str类型的，在python3中bytes和str中是区分的，str的所有操作bytes都支持

• python2
  

• python3
  

除了encode外，str操作都有对应的bytes版本，但是传入的参数必须是bytes

2.2 Python3

2.2.1 bytes与str之间的转换——-编码

bytes由str通过encode方法转化得到的
str也可以通过bytes 通过decode方法转化得到

GBK 是双字节，UTF-8 灵活编码，1字节，2字节，3字节，4字节都有，最大支持6字节长度，中文大多数是3字节

简单来讲：
py3中，str就相当于java中的tostring()方法

当一段字符以不同的形式编码后，所对应的字节是不一样的
比如：

1. encode转化后的字节流bytes是不是字符串？

bytes不是字符串str。在python3中，bytes是字节流bytes对象，字符串是字符串str对象。

2. 同样是对字符串进行encode()，为什么有的结果是字母，而有的是十六进制\x

编码的实际作用就是把一个字符串转化为编码对应的字节形式.

注意：在运行界面输出bytes时候，它是采取这样的原则的：每读一个字节就和ascii码比对一下，如果符合ascii码的可显示字符（特殊字符，字母和数字，控制字符除外），那这个字节就按照ascii码来表示，否则就按十六进制\x某某来表示。

比如“abc中国”进行utf-8编码后（encode()默认以utf-8形式），得到的字节如下：

当在界面输出bytes的时候，会依次读取每一个字节，并与ASCII编码进行比较。因为前三个字节正好在ASCII编码表中能够查到，所以直接显示其对应的字符。

对于汉字“中”的字节十六进制字节E4B8AD中的第一个字节E4，对应的十进制是228,不在ASCII编码范围内，所以在界面输出时，直接输出十六进制

3. 那如何定义bytes变量呢？

直接用b’字符串’表示bytes对象，字符串形式可以是ASCII范围内的字符，也可以说十六进制字符串，但不能是中文

同样，在界面输出时，它会将每个字符依次在ASCII中进行查找。

4. 英文编码和中文编码的区别

5. Python程序编辑界面的unicode码u’a’是字符串还是字节码？unicode码又怎么表示？

u ‘a’ 不是字节码，是字符串。也就是说，在Python3中，u ‘a’就是str对象

下图中的表达，第一个”\u”表示Unicode编码，第二个”\”是一个反义字符

6. 如果它表示字符串，那怎么转化为unicode码？用encode指定unicode方式？

7. len()

bytes和str对象除了decode()和encode()方法不同外，其他str有的方法bytes一般都有

2.2 使用utf-8进行转换

在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换

参考
http://www.jianshu.com/p/6cbb2b14cda9