unicode和utf8的由来

任何文本都需要转化为数字才能被计算机识别，但是各个国家的语言不同，所以产生了许多中编码方式，比如美国的ASCII，中国的GB2312等等编码，每个国家都编制自己的一套代码，这样语言混乱就出现了乱码，于是unicode出现了，它把所有的编码囊括其中。
但是问题也出现了，unicode的位数是相同的，而英文的一个字符是一个字节，中文的一个字符是两个字节，如果文章全部是英文，使用unicode会导致占用过多的存储空间。所以出现了可变长的utf-8编码。

python2的编码方式

python2中的字符串默认为string，当我们需要将字符串转为某种编码格式的时候，字符串会首先根据系统的默认编码decode成unicode，然后才能encode，所以这里非常容易出现错误。

我们看图：
这里，在python2中如果不加入u’’ 表示该数据为string，中文文本在windows环境下是gb2312编码，所以需要将s以gb2312形式解码为unicode然后才能编码。
中文文本在linux环境下是utf-8编码，所以需要将s以utf-8形式解码为unicode才能编码；
那么为什么不能直接使用s.encode(‘utf-8’)呢？因为在python2的环境下默认编码方式为ascii，如果不对s进行一个解码方式的声明，s会首先被python默认以ascii的方式解码，但是s在linux环境中为utf-8编码格式所以报错。

总结

总结来说，python2中的字符串为string，只要你想让他编码为其他格式就需要先decode

python3的编码方式

python3中的字符串默认为unicode，所以可以直接encode为某种格式

解释一下

decode 的方法是将bytes类型转换为str类型—解码
encode的方法是将str类型转换为bytes类型—编码

¹

---

1. 对bobby老师课程的消化吸收 ↩︎