python 文本编辑基础记录

不熟悉编码方式，同时python的编码方式折磨我了很长时间，记录下，以免忘记，本文内容存在错误，是自己理解，看到仅当参考

Unicode 是字符集，有点像一本字典，utf-8是在unicode这本字典基础上出版的其他字典（还要UTF-16这个最接近原版），（utf-8使用二进制对unicode字符集进行编码）同时utf-8因为是可变长度，所以中文在unicode中是一个字符长度，而用utf-8编码后为3个字节长度

unicode使用16位序列来编码，utf-8一个字符用8个序列，所以传输ASCII码更节约空间，同时中文字符会浪费空间，就是使用24位来传输一个中文 （'\xe5\xa4\xa7'） （u'\u5927'）同一个字机器中不同的表示方式

python中可以在开头的两行制定对unicode的解码方式,但是问题是读取文件，或者接受网络字符的时候，字符所用的字符集不一定是Unicode，一般是UTF-8,说以要进行转换

#coding=utf-8

def changeTest():
    str1 = u'你好' #utf-8的格式
    print repr(str1)
    change1 = str1.encode('utf-8') #表示unicode转换为utf-8
    print repr(change1)
    str2 = '你好'
    print repr(str2)
    change2 = str2.decode('utf-8') #表示utf-8转换为unicode

函数里面全是utf-8这个容易产生误解，我记住decode是转换其他编码为unicode,encode是转换unicode为其他编码。