彻底搞懂 Python 编码

因为中文的特殊编码，导致 Python2 和 Python3 使用过程中的各种编码问题，如果不清楚其中的关联关系，那么这就一直是个大坑，不是懵逼就还是懵逼，所以就目前碰到的情况彻底梳理下 Python2 和 Python3 中编码的关系和区别，以作备忘。

先说下涉及编码格式的几个地方：

脚本字符编码：就是经常在脚本文件开头看到的，如果使用 Python2，没有显式声明的话默认使用 ASCII 格式，Python3 默认使用 utf-8 格式；

解释器字符编码：可以通过函数查看，Python2 默认是 ASCII，Python3 默认使用 utf-8；

脚本文件存储编码：就是 py 脚本文件本身在物理介质上面的存储格式，通常有 ASCII、GBK、utf-8 等格式。

下面我们把上述编码分别在脚本中进行组合使用后，再使用 Python2.6 和 Python3.4 运行，看看实际都什么效果。

1.默认脚本文件编码 + 文件存储使用 gbk

脚本内容：

使用 Python2.6 运行的结果如下，提示gbk 编码字符非 ASCII 字符：

使用 Python3.4 运行的结果如下，提示gbk 编码字符非 utf-8 字符：

结论：默认的 gbk 编码中文，Python2的解释器字符编码(ASCII)和 Python3的解释器字符编码(utf-8)格式都没法识别，因为 ASCII 编码不包含中文，而 utf-8 是 3 字节编码，gbk 是 2 字节编码，所以都识别不了了。

2.脚本文件编码 gbk + 文件存储使用 gbk

在刚才的脚本头部显式声明脚本文件编码格式为 gbk：

使用 Python2.6 运行的结果：

使用 Python3.4 运行的结果：

结论：文件使用的 gbk 格式存储，同时显式声明了脚本文件编码为 gbk，Python2 和 Python3 都可以正常处理。

3.脚本文件编码 utf-8 + 文件存储使用 gbk

在刚才的脚本头部显式声明脚本文件编码格式为 utf-8：

使用 Python2.6 运行的结果正常：

使用 Python3.4 运行的结果如下，提示尝试使用 utf-8 解码字符时异常：

结论：文件使用的 gbk 格式存储，同时显式声明了脚本文件编码为 utf-8时，但是 Python2 在 Windows 平台还是使用 gbk 进行输出，所以解析正常，而 Python3 使用 utf-8 所以解析异常。

4.默认脚本文件编码 + 文件存储使用 utf-8

去掉之前脚本头部的声明，然后使用 utf-8 格式存储文件(注意，不能在刚才的文件基础上强制修改存储编码，强制转换会出现中文乱码的问题，建议先新建一个 utf-8 格式的文件，然后再输入中文)：

使用 Python2.6 运行的结果如下，ASCII 也识别不了 utf-8 格式的字符：

使用 Python3.4 运行的结果，可以正常识别，因为 Python3 默认使用 utf-8 编码：

结论：默认的 utf-8 编码中文，Python2 会默认使用 ASCII 读取，所以没法识别，Python3 可以正常识别。

5.脚本文件编码 gbk + 文件存储使用 utf-8

脚本头部显式声明脚本文件编码格式为 gbk，同时使用 utf-8 格式存储文件：

使用 Python2.6 运行的结果如下，使用 gbk 根本读取不了 utf-8 格式任何内容：

使用 Python3.4 运行的结果如下，其实和上面错误一样，但是提示更直接了：

结论：默认的 utf-8 编码中文，如果显式指定使用 gbk 读取，Python2 和 Python3 都没法做到。

6.脚本文件编码 utf-8 + 文件存储使用 utf-8

脚本头部显式声明脚本文件编码格式为 utf-8，同时使用 utf-8 格式存储文件：

使用 Python2.6 运行的结果如下，虽然读取正确了，但是 Python2 在 Windows 系统会默认使用 gbk 对中文进行解码，所以输出乱码：

使用 Python3.4 运行的结果正常：

结论：虽然文件存储编码和脚本文件编码都是 utf-8，但是 Windows 平台上，Python2 会按 gbk 解析中文，所以会输出乱码，可以在中文前面加 u 来解决，或者显式使用 utf-8 进行一次 decode。

汇总下验证结果，可以得到如下的表格：

总结下结论：

如果使用 Python2 请一定要使用 gbk 格式存储文件；

如果使用 Python2 尽可能使用 gbk 存储文件且显式声明脚本文件编码为 gbk，方便后续兼容 Python3；

如果使用 Python3 不管使用什么格式存储文件，但请一定保证显式声明脚本文件编码和存储格式一致；

不管是使用 Python2 还是 Python3，保持显式声明脚本文件编码的好习惯；

如果脚本有跨平台需求，推荐使用 Python3 + 脚本文件编码 utf-8 + utf-8 格式存储文件的组合；

以上，如果觉得有用，请帮忙转发分享，不甚感激。

关注公众号，支持作者：