py2和py3编码问题

python2

py2默认的编码是ascii, ascii只支持英文字符

In [2]: sys.getdefaultencoding()
Out[2]: 'ascii'

In [4]: a = '你好'

In [5]: a
Out[5]: '\xe4\xbd\xa0\xe5\xa5\xbd'  # 输出是十六进制的内存地址, 但其实还是bytes类型

In [6]: type(a)     # 类型是str, 其实就是bytes
Out[6]: str

In [7]: b = 'hello'

In [8]: b
Out[8]: 'hello'

In [9]: type(b)
Out[9]: str

In [11]: a1 = a.decode('utf-8')  

In [12]: a1
Out[12]: u'\u4f60\u597d'    # 将bytes二进制按utf-8字符集解码

In [13]: type(a1)
Out[13]: unicode        # 变成了py2独有的unicode类型

In [16]: sys.getsizeof(a)  # bytes类型的你好
Out[16]: 43  # 字节大小

In [17]: sys.getsizeof(a1) # 解码后的 你好
Out[17]: 54

In [19]: b1 = b.decode('utf-8')

In [20]: b1
Out[20]: u'hello'

In [22]: sys.getsizeof(b)   # bytes类型占的字节数少
Out[22]: 42 

In [23]: sys.getsizeof(b1)  # unicode占字节数多
Out[23]: 60

注意:python2的basestring和str是不同的, basestring是包含了bytes和unicode两种类型, 而str就是bytes类型.

print isinstance(u'aa', basestring) # True
print isinstance('aa', basestring) # True
print isinstance(u'aa', str) # False
print isinstance('aa', str) # True

python3

py3默认的编码是unicode, utf-8字符集

In [1]: import sys

In [2]: sys.getdefaultencoding()
Out[2]: 'utf-8'

In [3]: a = '你好'

In [4]: a
Out[4]: '你好'

In [5]: type(a)     # py3的str就是str
Out[5]: str 

In [6]: a1 = a.encode('utf-8')

In [7]: a1
Out[7]: b'\xe4\xbd\xa0\xe5\xa5\xbd'  # 按默认编码格式编码后才是bytes

In [8]: type(a1)
Out[8]: bytes

你可能感兴趣的:(encoding,python)