python 2.x和3.x中的字符串区别

如图2.x和3.x的区别：

2.x中字符串有str和unicode两种类型，str有各种编码区别，unicode是没有编码的标准形式。unicode通过编码转化成str，str通过解码转化成unicode。

3.x中将字符串和字节序列做了区别，字符串str是字符串标准形式与2.x中unicode类似，bytes类似2.x中的str有各种编码区别。bytes通过解码转化成str，str通过编码转化成bytes。。

2.x中可以查看unicode字节序列，3.x中不能。。。

2.x示例：

>>> ss = '北京市'>>> type(ss)<type 'str'>>>> us = ss.decode('gbk')>>> usu'\u5317\u4eac\u5e02'>>> type(us)<type 'unicode'>>>> nus = u'北京市'>>> nusu'\u5317\u4eac\u5e02'>>> ss'\xb1\xb1\xbe\xa9\xca\xd0'>>> gbks = nus.encode('gbk')>>> gbks'\xb1\xb1\xbe\xa9\xca\xd0'>>> print(gbks)北京市>>> utfs = nus.encode('utf-8')>>> utfs'\xe5\x8c\x97\xe4\xba\xac\xe5\xb8\x82'>>> print(utfs)鍖椾含甯>>> xx = utfs.decode('utf-8')>>> type(xx)<type 'unicode'>

ss = '北京市' 采用终端默认的编码形式，windows命名行窗口默认是gbk编码，所以通过ss.decode('gbk')转化成unicode的序列。最后utf-8编码的utfs输出乱码也是因为cmd终端是gdk编码的。

该示例中可以看到“北京市”的三种编码序列：

unicode序列：u'\u5317\u4eac\u5e02'

gbk序列：'\xb1\xb1\xbe\xa9\xca\xd0'

utf-8序列：'\xe5\x8c\x97\xe4\xba\xac\xe5\xb8\x82'

3.x示例：

Python 3.4.1 (v3.4.1:c0e311e010fc, May 18 2014, 10:38:22) [MSC v.1600 32 bit (Intel)] on win32Type "help", "copyright", "credits" or "license" for more information.>>> ss = '北京市'>>> type(ss)<class 'str'>>>> us = ss.encode('gbk')>>> type(us)<class 'bytes'>>>> usb'\xb1\xb1\xbe\xa9\xca\xd0'>>> utfs = ss.encode('utf-8')>>> print(utfs)b'\xe5\x8c\x97\xe4\xba\xac\xe5\xb8\x82'>>> type(utfs)<class 'bytes'>>>> xx = utfs.decode('utf-8')>>> type(xx)<class 'str'>>>> print(xx)北京市>>> import urllib.parse>>> res = urllib.parse.quote(utfs)>>> res'%E5%8C%97%E4%BA%AC%E5%B8%82'

3.x 想要查看字符串各种编码序列，只能通过encode转化成bytes类型，然后输出。str是标准形式没办法直接查看其字节序列。。

通过urllib.parse.quote 将字节序列转化成url的中文编码形式，逆过程是unquote函数。