python中编码问题
编码是将存储在文件中的二进制数据以特定的格式显示的一种手段。不同的操作系统、不同的编辑环境，对于python进行文件操作带来了很大的挑战，总体表现在三方面：
1、操作系统对文件编码的影响
2、python编辑环境对python编码的影响
3、文件内容对编码的要求
扩展来说：
1、不同操作系统，生成的文件的默认编码不同。
Win10有几个版本（截止2018年）？
根据微软今天的正式公布，Win10共划分为7个版本，具体如下：
- Windows 10家庭版（Windows 10 Home）
- Windows 10专业版（Windows 10 Pro）
- Windows 10企业版（Windows 10 Enterprise）
- Windows 10教育版（Windows 10 Education）
- Windows 10移动版（Windows 10 Mobile）
- Windows 10企业移动版（Windows 10 Mobile Enterprise）
- Windows 10 IoT Core（主要针对物联网设备）
以txt文件的默认编码为例，不同语言、不同版本的操作系统其生成的txt文件默认编码不同：（以下以中文为例说明）
- Windows 10家庭版（Windows 10 Home） ：txt默认编码为：utf-8
- Windows 10专业版（Windows 10 Pro）：txt默认编码为：utf-8
- Windows 10教育版（Windows 10 Education）：txt默认编码为：ANSI
等
（只测试了这三个版本）
2、python编辑环境对python编码的影响
不同编辑环境，其默认的编码也不同，以pycharm为例，其默认编码位GBK，所以如果print中的内容为GBK不能识别的，则会出现错误；如果在使用pycharm读文件时，没有明确指定encoding为和打开一致的编码格式，会提示编码出错。
可以对编辑环境的默认编码进行设置，以pycharm为例，设置方式如下：
如果你是家庭版的win10系统，那么上述设置会节约你很多因为编码不一致而导致的时间浪费。（utf-8推荐）
3、文件内容对编码的要求
不同语言，其要正常显示，需要使用对应的编码，如果编码不一致，会出现乱码。常见编码简要说明如下：
常见编码方式：Unicode、ASCII、GBK、GB2312等
（1）ASCII：能表示128个字符，其中包括英文字符、阿拉伯数字、西文字符以及32个控制字符。它用一个字节来表示具体的字符，但它只用后7位来表示字符（2^7=128），最前面的一位统一规定为0。
扩展ASCII码(即ANSI编码)：原本的ASCII码对于英文语言的国家是够用了，但是欧洲国家的一些语言会有拼音，这时7个字节就不够用了。因此一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制10000010）。 这样一来，这些欧洲国家使 用的编码体系，可以表示最多256个符号。但这时问题也出现了：不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如，130在法语编码 中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。这个问题就直接促使了Unicode编码的产生。但是正因为Unicode包含了所有的字符，而有些国家的字符用一个字节便可以表示，而有些国家的字符要用多个字节才能表示出来。
（2）unicode：世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。而Unicode就是这样一种编码：它包含了世界上所有的符号，并且每一个符号都是独一无二的。比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表 。很多人都说Unicode编码，但其实Unicode是一个符号集（世界上所有符号的符号集），而不是一种新的编码方式。 但是正因为Unicode包含了所有的字符，而有些国家的字符用一个字节便可以表示，而有些国家的字符要用多个字节才能表示出来。即产生了两个问题：第一，如果有两个字节的数据，那计算机怎么知道这两个字节是表示一个汉字呢？还是表示两个英文字母呢？第二，因为不同字符需要的存储长度不一样，那么如果Unicode规定用2个字节存储字符，那么英文字符存储时前面1个字节都是0，这就大大浪费了存储空间。 上面两个问题造成的结果是：1）出现了unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示unicode。2）unicode在很长一段时间内无法推广，直到互联网的出现。
（3）UTF-8：解决国际上字符的一种多字节编码。英文使用8位（即一个字节），中文使用24位（三个字节）来编码。互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。 UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。UTF-8的编码规则很简单，只有两条： 1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。 2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
（4）GBK/GB2312/GB18030 GBK和GB2312都是针对汉字的编码。1、GBK和GB2312 都是16位的。 2、GBK（支持1万多个汉字编码）支持简体中文和繁体中文，而GB2312只支持简体中文（只支持六千多个汉字）的编码，GBK里面包含了GB2312，用GBK比较多。 3、GB18030是32位的，它支持简体中文、繁体中文 藏文、蒙文、*文等主要的少数民族文字，包含GBK和GB2312。 4、从GB2312（1980年）、GBK（1995年）到GB18030（2000年），这些编码方法是向下兼容的。
补充内容：
1、NUNICODE下UTF-8、UTF-16及UTF-32。
UTF（UCS Transformation Format）是面向网络传输的一系列标准。UTF-8：每次8个位传输数据；UTF-16：每次16个位传输数据。例如：在UTF-8中，0-127号的字符用1个字节来表示，使用与ASCII相同的编码（兼容）；128号及以上的字符才用2个、3个（如汉字）或者4个字节来表示。UTF-8被称作可变长度编码。因为其解决了UNICODE不便于传输的问题，于是得到了广泛使用。
2、低字节序与高字节序和BOM
在UTF-8中有带BOM的和不带BOM。BOM（BOM——Byte Order Mark，就是字节序标记），是在网络里传递信息时有一个很重要问题，就是对于数据高低位的解读方式，即字节序问题。一些计算机是采用低位字节被存在前面的方式，称之为低字节序（Little Endian），例如Intel架构的微处理器；而另一些是采用高位字节被存在前面的方式，称之为高字节序（Big Endian），例如Motorola架构的微处理器。在网络中数据交换时，为了核对双方对于高低位的规则是否是一致的，采用了一种很简便的方法——文本流前添加BOM（Byte Order Mark，字节顺序标记），就是在文本流的开始时添加一个标志符来表示该文本的字节序。具体规则是如果该文本是高字节序，BOM就为FEFF，反之，则为FFFE。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符”ZERO WIDTH NO-BREAK SPACE“的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。