Python 3 编码机制详解：从默认编码到 UTF-8 转换

Python 3 编码机制概述

Python 3 中的编码处理是开发过程中常见的问题，理解其机制对于避免乱码和编码错误至关重要。

查看系统默认编码

首先，打开 Python 开发工具 IDLE，新建一个名为 'codetest.py' 的文件，并在其中编写以下代码以进行后续测试：

import sys

print (sys.getdefaultencoding())

按下 F5 键运行程序，系统将打印出当前环境的默认编码方式，这有助于我们了解基础设置。

字符串编码为字节

接下来，我们需要演示如何将字符串（str）格式编码为字节（bytes）格式，修改代码以包含字符串编码逻辑：

import sys

print (sys.getdefaultencoding())

s = '你好'

print (type(s))

b = s.encode('utf-8')

print (type(b))

print (b)

在代码中，语句 b = s.encode('utf-8') 与 b = s.encode() 效果等同，这是因为系统默认的编码方式即为 utf-8。

再次按下 F5 运行程序，打印结果如下所示。由于 ASCII 码无法表示所有汉字，中文必须使用 utf-8 编码。此处暂不介绍使用较少的 gbk 编码，主要说明 utf-8 使用 3 个字节表示一个汉字，而 ASCII 仅使用 1 个字节表示英文字母或字符。

字节解码为字符串

解码则是将字节（bytes）重新转换回字符串（str）的过程，我们需要修改代码以包含解码操作：

import sys

 

print (sys.getdefaultencoding())

s = '你好'

print (type(s))

b = s.encode('utf-8')

print (type(b))

print (b)

se = b.decode('utf-8')

print (se)

print (type(se))

按下 F5 运行程序，打印内容如下图所示，展示了 bytes 类型成功转回 str 类型的结果。

UTF-8 兼容性与文件声明

utf-8 编码兼容 ascii，因此在既有中文又有英文的情况下使用 encode('utf-8')，英文字符仍占 1 个字节，而中文字符占 3 个字节。此外，当 Python 文件头部注释包含中文时，必须在文件顶部添加编码声明以确保正确解析。

#coding:utf-8