在 Python 尤其是 Python2 中，編碼問題是困擾開發者尤其初學者的一大問題。什麼 Unicode/UTF-8/str，又是 decode/encode 的，搞得人頭都大了。其實不然，看似龐大難懂，但是可以非常精細地定製需求。

0.Python 中的編碼

Python 中有兩個常用的由 basestring 派生出來的表示字串的型別：str, unicode。其中，str 類似於 C 中的字元陣列或者 Java 中的 byte 陣列，事實上你可以將它理解為一個儲存二進位制內容的容器，str 不儲存編碼資訊，果對 str 型別的字串迭代的話，則會按照其在記憶體中的位元組序依次迭代，意味著如果這個字串儲存的是多位元組字元（Unicode/GBK等），則會截斷這個字元，演示如下：

而對於 unicode 型別，Python 在記憶體中儲存和使用的時候是按照 UTF-8 格式，在程式碼中的表示為字串前加 u，如：

而 unicode 與 str 之間的轉換，則用到了 encode 和 deocde 方法。decode 表示將一個 (str) 字串按照給定的編碼解析為 unicode 型別，encode 則表示將一個 unicode 字串按照指定編碼解析為位元組陣列 (str)：

1.檔案讀寫

內建的 open 函式開啟檔案時，read 方法讀取的是一個 str (私以為叫做位元組陣列更合適)，如果讀取的是其它編碼的文字，則需要 decode 之後再做使用。

對於使用 open 函式開啟檔案之後的寫操作，則需要將需要寫入的字串按照其編碼 encode 為一個 str ，如果直接寫入，則會引發如下錯誤：

除此以外，codecs 模組也提供了一個 open 函式，可以直接指定好編碼開啟一個文字檔案，那麼讀取到的檔案內容則直接是一個 unicode 字串。對應的指定編碼後的寫入檔案，則可以直接將 unicode 寫到檔案中。通過 codecs.open 可以避免很多編碼問題：

建議

對於 Python 程式碼中避免遇到編碼問題，有一些小建議：

• 字元編碼宣告：在程式碼開頭宣告編碼格式

• 使用 codecs 的 open 函式處理文字檔案

• 儘可能使用 unicode 而不是 str

• 為你準備的Python學習交流群: 629440234,海量學習資料，每晚8.05分固定分享Python直播學習，歡迎你的加入。 裙內有開發工具，很多幹貨和技術資料分享