字符编码

• 理解字符编码的作用与常见编码标准

• 掌握 Python 中字符串的编码与解码

• 了解乱码产生的原因

核心讲解

（1）什么是字符编码

计算机只能存储 0 和 1 的二进制数字，不能直接存储文字。字符编码就是一套规则，用来把文字转换成二进制数字存储，读取时再转换回来。

（2）常见编码标准

• ASCII：最早的编码，只包含英文、数字和符号，1 个字节存 1 个字符，不支持中文

• GBK：国标编码，专门为中文设计，2 个字节存 1 个汉字，Windows 系统默认常用

• UTF-8：国际通用编码，可变长编码，英文 1 字节，中文 3 字节。是互联网的标准编码，也是 Python 的默认编码，推荐优先使用

（3）编码与解码

• 编码（encode）：字符串 → 二进制字节（bytes），用于存储和传输

• 解码（decode）：二进制字节 → 字符串，用于读取和展示

核心原则：用什么编码存的，就要用什么编码读，编码和解码不一致就会出现乱码。

代码示例

text = "你好Python"

# 编码：字符串转bytes
# 默认utf-8编码
b1 = text.encode()
print(b1)
print(type(b1)) # <class 'bytes'>

# 指定gbk编码
b2 = text.encode("gbk")
print(b2)

# 解码：bytes转字符串
# 用utf-8解码utf-8编码的字节
s1 = b1.decode()
print(s1) # 你好Python

# 用gbk解码gbk编码的字节
s2 = b2.decode("gbk")
print(s2) # 你好Python

# 错误示范：编码解码不一致会乱码或报错
# print(b2.decode()) # 报错，因为b2是gbk编码，默认用utf-8解码

常见误区

1. 混淆字符串和 bytes：字符串是给人看的文本，bytes 是给计算机存的二进制，两者不一样

2. 编码解码不一致：这是乱码最常见的原因，一定要保证编码标准统一

3. 中文编码选择：优先使用 UTF-8，兼容性最好，避免乱码问题

课后练习

1. 定义一个中文字符串，分别用 utf-8 和 gbk 编码，观察输出的字节长度差异

2. 将编码后的 bytes 重新解码成字符串，验证结果

3. 思考：为什么 UTF-8 是目前最推荐的编码格式？