對於很多人來說，python的中字元轉碼是一件很頭疼的事情，本來期望結果輸出的是中文，結果來一段像這樣\xe4\xbd\xa0\xe5\xa5\xbd像是亂碼的字串。

由於學python沒多久，昨天使用python的時候，就遇到這種問題，現在來深入研究下與之相關的encode()和decode()函式，和如何把如亂碼般的字串轉成中文。

從英文意思上看，encode和decode分別指編碼和解碼。在python中，Unicode型別是作為編碼的基礎型別，即：

      decode                 encode
str ---------> str(Unicode) ---------> str
 

>>> u = '中文'                 # 指定字串型別物件u 

>>> str1 = u.encode('gb2312')  # 以gb2312編碼對u進行編碼，獲得bytes型別物件
>>> print(str1)
b'\xd6\xd0\xce\xc4'

>>> str2 = u.encode('gbk')     # 以gbk編碼對u進行編碼，獲得bytes型別物件
>>> print(str2)
b'\xd6\xd0\xce\xc4'
>>> str3 = u.encode('utf-8'
 
)   # 以utf-8編碼對u進行編碼，獲得bytes型別物件
>>> print(str3)
b'\xe4\xb8\xad\xe6\x96\x87'

>>> u1 = str1.decode('gb2312') # 以gb2312編碼對字串str進行解碼，獲得字串型別物件
>>> print('u1')
'中文'

>>> u2 = str1.decode('utf-8')  # 報錯，因為str1是gb2312編碼的
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte
 

簡要說下一般有哪些編碼格式。

ASCII碼

ASCII碼是美國早期制定的編碼規範，只能表示128個字元，包括英文字元、阿拉伯數字、西文字元以及32個控制字元。簡單來說，就是下面這個表：

擴充套件ASCII碼（Extended ASCII）

簡單而言，擴充套件ASCII碼的出現是因為ASCII不夠用，所以向ASCII表繼續擴充到256個符號。
但是因為對於擴充套件ASCII，不同的國家有不同的標準，於是促使了Unicode編碼的誕生。
擴充套件ASCII碼錶如下：

Unicode

準確來說，Unicode不是編碼格式，而是字符集。這個字符集包含了世界上目前所有的符號。
另外，在原來有些字元可以用一個位元組即8位來表示的，在Unicode將所有字元的長度全部統一為16位，因此字元是定長的。
Unicode是長這樣的：

\u4f60\u597d\u4e2d\u56fd\uff01\u0068\u0065\u006c\u006c\u006f\uff0c\u0031\u0032\u0033

上面這段Unicode的意思是“你好中國！hello，123”。

GB2312

當國人得到計算機後，那就要對漢字進行編碼。在ASCII碼錶的基礎上，小於127的字元意義與原來相同；而將兩個大於127的位元組連在一起，來表示漢字，前一個位元組從0xA1（161）到0xF7（247）共87個位元組，稱為高位元組，後一個位元組從0xA1（161）到0xFE（254）共94個位元組，稱為低位元組，兩者可組合出約8000種組合，用來表示6763個簡體漢字、數學符號、羅馬字母、日文字等。
在重新編碼的數字、標點、字母是兩位元組長的編碼，這些稱為“全形”字元；而原來在ASCII碼錶的127以下的稱為“半形”字元。
簡單而言，GB2312就是在ASCII基礎上的簡體漢字擴充套件。

GBK

簡單而言，GBK是對GB2312的進一步擴充套件（K是漢語拼音kuo zhan（擴充套件）中“擴”字的聲母），
收錄了21886個漢字和符號，完全相容GB2312。

GB18030

GB18030收錄了70244個漢字和字元，更加全面，與 GB 2312-1980 和 GBK 相容。
GB18030支援少數民族的漢字，也包含了繁體漢字和日韓漢字。
其編碼是單、雙、四位元組變長編碼的。

UTF（UCS Transfer Format）

UTF是在網際網路上使用最廣的一種Unicode的實現方式。我們最常用的是UTF-8，表示每次8個位傳輸資料，除此之外還有UTF-16。
UTF-8長這樣，“你好中國！hello，123”：

你好中国！hello，123

簡單總結（來源於網路）

• 中國人民通過對 ASCII 編碼的中文擴充改造，產生了 GB2312 編碼，可以表示6000多個常用漢字。
• 漢字實在是太多了，包括繁體和各種字元，於是產生了 GBK 編碼，它包括了 GB2312 中的編碼，同時擴充了很多。
• 中國是個多民族國家，各個民族幾乎都有自己獨立的語言系統，為了表示那些字元，繼續把 GBK 編碼擴充為 GB18030 編碼。
• 每個國家都像中國一樣，把自己的語言編碼，於是出現了各種各樣的編碼，如果你不安裝相應的編碼，就無法解釋相應編碼想表達的內容。
• 終於，有個叫 ISO 的組織看不下去了。他們一起創造了一種編碼 UNICODE ，這種編碼非常大，大到可以容納世界上任何一個文字和標誌。所以只要電腦上有 UNICODE 這種編碼系統，無論是全球哪種文字，只需要儲存檔案的時候，儲存成 UNICODE 編碼就可以被其他電腦正常解釋。
• UNICODE 在網路傳輸中，出現了兩個標準 UTF-8 和 UTF-16，分別每次傳輸 8個位和 16個位。於是就會有人產生疑問，UTF-8 既然能儲存那麼多文字、符號，為什麼國內還有這麼多使用 GBK 等編碼的人？因為 UTF-8 等編碼體積比較大，佔電腦空間比較多，如果面向的使用人群絕大部分都是中國人，用 GBK 等編碼也可以。