欢迎访问个人博客：blog.spursgo.com
关于pyhton2.x中编码问题的一点小理解
大约在一年前，当时接触pyhton爬虫时（那时还是在Windows上开发学习），由于网页中存在大量中文，自然不可避免的会涉及到编码问题。刚刚入门就遇到了python中的一个大麻烦：编码问题，查了一些资料把手上的问题解决之后，就没有去管编码问题了。
一年后，仍然习惯于python2.x。本来在macOS和ubuntu上写得很顺利得一个爬虫程序，转到windows 10上居然出现了大量的乱码。
当时真的很郁闷，为什么在其他操作系统上运行好好的程序，到Windows上就成这样了呢？郁闷归郁闷，问题还是要解决呀！
于是乎，又开始和pyhton编码问题打交道了。因为现在养成了写博客的习惯，所以本次探究python编码问题的过程我就详细记录了下来，以便以后再次遇到这个问题，可以很快的查看而不需要再次折腾。
各个击破
1. Windows命令行的编码
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
这是我程序中对pyhton脚本默认编码的处理，python默认的本来是ascii编码，这里我改为了utf-8。
因此，如果我在程序执行这么一句：
print " "*25 + "〓个人博客：blog.spursgo.com〓"
那么，打印出来的这句话就是默认采用utf-8编码格式，嗯哼，难道有什么不对吗？
别忘了，我们还不知道Windows命令行窗口采取的编码格式呢！
好的，赶快查阅一下！
右击命令行窗口标题栏--选择属性--点击选项，之后我们会看到GBK的字样：
2. 编码格式介绍
哦，原来如此，我打印的是utf-8编码格式，但是他却采用gbk编码格式，命令行窗口当然不能正常显示喏！
可能你觉得对python的各种编码格式不是很了解，没关系，网上有很多介绍编码格式的文章，这里我推荐两篇：
在Python中正确使用Unicode 这篇侧重介绍在python中正确使用编码
Python字符编码详解 这篇侧重介绍编码格式
看完这两篇文章后，相信你会对pyhton中的编码会有很深刻的认识。
这里，主要记录一下我个人的一些理解和实验操作：
2.1 python中的字节串和字符串
对java比较了解的同学，应该会知道在java中不需要严格区分所谓的字节串和字符串，java这门语言把编码问题处理的非常好!
但是，在python2.x中，这两个概念却是一定要理解的，不然各种编码问题可能就会找上门来。
以下概念来自于自己的理解，可能不是很严谨。
字节串：以字节为单位，它的每一个个体是字节，因此我们统计字节串的长度时，结果一定是所有字节的数量。
字符串：以字符为单位，它的每一个个体是字符，因此我们统计字符串的长度时，结果一定是所有字符的数量。
咦！怎么两句话好像差不多? 是的，我们要区分的就是字符和字节：一个字符可以包含多个字节。
说了这么多，还是来验证一下吧：
从图片中，我们可以可以清楚的看到，一个‘人’字，由于它的类型不一样，当我们取长度时，得到的结果不一样。
现在是不是对字节和字符有了更好的认识了呢？
3. 编码格式的互相转换
decode ：解码，实现其他编码格式到unicode的转换
encode ：编码，实现unicode到的转换其他编码格式
常见的其他编码格式：utf-8,gbk,gb2312
这是有一个问题我们一定要重视：decode既然是其他编码格式到unicode的转换，达到解码的目的，也就是说unicode本身不是一种编码格式。因此，我们在进行编码与解码的时候，我们要弄清楚，这个被操作的对象是谁？否则，出现编码问题的几率会大大增加。
4. unicode的深刻理解
unicode实际上是一种字符集，神奇之处在于所有语言的字符都用这一种字符集来表示，它是全人类都承认的一种统一标准。unicode映射了各种字符应该用哪种方式来表示，而没有指明具体的传输和储存方式，这个工作是由utf来完成的，如utf-8,utf-16。
5. 编码解码前后的差别
一个str类型的字节串解码后就成了unicode的字符串，相反，一个unicode类型的字符串解码后就成了str的字节串。
以下是我的实验代码：
#coding:utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
country = '中国'
print type(country)
print country
country = country.decode('utf-8')
print type(country)
print country
country = country.encode('gbk')
print type(country)
print country
下面是执行结果：
实验结果很好的验证了刚刚的结论。
6. 建议
6.1 更改文本编码格式
#coding:utf-8
6.2 更改程序默认编码格式
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
6.3 尽可能的采用unicode作为过渡，输出时编码为需要的编码格式
文/浅斟低唱
