20160718python编码

常见编码介绍：

GB2312编码：适用于汉字处理、汉字通信等系统之间的信息交换

GBK编码：是汉字编码标准之一，是在 GB2312-80 标准基础上的内码扩展规范，使用了双字节编码

ASCII编码：是对英语字符和二进制之间的关系做的统一规定

Unicode编码：这是一种世界上所有字符的编码。当然了它没有规定的存储方式。

UTF-8编码：是 Unicode Transformation Format - 8 bit 的缩写，UTF-8 是 Unicode 的一种实现方式。它是可变长的编码方式，可以使用 1~4 个字节表示一个字符，可根据不同的符号而变化字节长度。

碰到一个关于编码的问题。本机python默认编码是ascii(sys.getdefaultencoding)，而系统是utf-8(sys.stdin.encoding)

socket接收到的数据为struct格式，处理后获得data部分。类似于“\xe4\xbb\x8a\xe5\xa4\xa9\xe6\xb3\xa8\xe5\xae\x9a\xe6\x98\xaf\xe4\xb8\xaa\xe9\x80\x81\xe9\x92\xb1\xed\xa0\xbd\xed\xb2\xb0\xed\xa0\xbd\xed\xb2\xb0\xed\xa0\xbd\xed\xb2\xb0\xed\xa0\xbd\xed\xb2\xb0\xe4\xb9\x8b\xe5\xa4\x9c
”这种形式。

传送过来的应该是utf-8编码的字符串，因为decode("ascii")报错了。可以直接转换为字符串。但有时会有些显示为乱码。后解决方案为先decode("utf8")，而后再encode("utf8")就没有问题了，实在是有些匪夷所思。虽然经过这一步操作，前后的字符码确实改变了。而且也只改变了那部分特殊字符(之前为\xed\xa0\xbd\xed\xb2\xb0\xed\xa0\xbd\xed\xb2\xb0\,之后为\xf0\x9f\x92\xb0\xf0\x9f\x92\xb0\)。也就是之前为6个字节表示，之后为4个字节。也有可能服务器上这个字符就是这个编码，只是不知道本地为何能将服务器传来的这个编码正确地解析出来并转化为自己的编码

虽然没想通，不过下次碰到socket传送过来的UTF-8格式的字符串，其中却有特殊字符不能解析出来的时候，可以试试这个方法。反正传送过来的是一般字符串，编码格式是utf-8，强行理解一下就是，转化为本地用，为了保险起见走一个流程，转化为unicode后再转回来，可以预防这次这个情况

便捷方法：

isinstance(s, str) 用来判断是否为一般字符串

isinstance(s, unicode) 用来判断是否为unicode