标签：linux中 解释 nic 失败 无法 tar 大量 严格 注意
关于编码的历史演变，utf-8是如何一步步发展来的，windows为啥依旧保持gbk的编码。。。
等等这些问题，网上一搜一大堆，大部分都是转发、分享后的雷同内容，依旧解决不了我内心的疑惑。。。
编码是个蛋疼的事情，倘若不弄清楚， 怎么在中国混？
经过自己查阅多方文档、多次深入实验，我树立了对编码的基本世界观。
基础内容请自行谷歌..废话不多说，直接上干货！！
下面用几个简单的代码段， 一步步讲解编码中“编”和“解”的问题！！（linux中运行）
1 import sys, locale 2 3 s = "小甲" 4 print(s) 5 print(type(s)) 6 print(sys.getdefaultencoding()) 7 print(locale.getdefaultlocale()) 8 9 with open("utf1","w",encoding = "utf-8") as f: 10 f.write(s) 11 with open("gbk1","w",encoding = "gbk") as f: 12 f.write(s) 13 with open("jis1","w",encoding = "shift-jis") as f: 14 f.write(s)
代码很简单，学过Python的人应该都能看懂是啥意思~~
我们看一下运行结果：
1 小甲 2 <class ‘str‘> 3 utf-8 4 (‘en_US‘, ‘UTF-8‘)
正如大家所想， 就是将“小甲”原样打印出来, 再把“小甲”存到3个文件中。
（shift-jis是日文编码格式）
这么蠢的代码我还会不知道吗？ ( 重点在后面 )
上面的 utf-8 指：系统默认编码
下面的 utf-8 指：本地默认编码
现在我们分别查看utf1 、gbk1、jis1 这三个文件的内容：
utf1 : 小甲
gbk1 : С???
jis1 : ???b
问题：
为什么 utf1 的内容很清楚，没有编码问题，而gbk1 、jis1 的内容都出现了乱码？
解释：
因为我文件存储时用的编码格式不是utf-8，而此时读取这两个文件时，使用的是linux操作系统的默认编码“utf-8”。
那么写入磁盘时不是用utf-8， 读出时却用utf-8，当然读不出来了。
（这里需要大家了解encoding的真实作用）
1 #coding=gbk 2 import sys, locale 3 4 s = "小甲" 5 #coding=gbk 6 import sys, locale 7 8 s = "小甲" 9 print(s) 10 print(type(s)) 11 print(sys.getdefaultencoding()) 12 print(locale.getdefaultlocale()) 13 14 with open("utf2","w",encoding = "utf-8") as f: 15 f.write(s) 16 with open("gbk2","w",encoding = "gbk") as f: 17 f.write(s) 18 with open("jis2","w",encoding = "shift-jis") as f: 19 f.write(s)
代码结结构一样很简单
但是请大家注意： 我在头部加了某个编码声明
在代码运行前， 请大家自行猜测结果~~~
1 灏忕敳 2 <class ‘str‘> 3 utf-8 4 (‘en_US‘, ‘UTF-8‘) 5 Traceback (most recent call last): 6 File "2", line 15, in <module> 7 f.write(s) 8 UnicodeEncodeError: ‘shift_jis‘ codec can‘t encode character ‘\u704f‘ in position 0: illegal multibyte sequence
1、代码中明明 s = “小甲”， 为什么变成了 “灏忕敳” ？？
2、为什么 jis 的编码失败了？（之前顶多只出现了乱码的问题，还不会报错，那它内部到底发生了什么？）
3、“coding=gbk” 到底是什么意思？？
4、我明明写了 “coding=gbk” 的编码声明，为什么系统编码、本地默认编码还是没有改变？（那我写了有啥用？）
1、它的意思是python3编译器在读取该.py文件时候，我应该用什么格式将它 “解码”？只和读取有关，所以当你确定你代码编辑时候用的是什么格式编码的，你才能把相应的编码格式写入头文件。
（在此示范代码中，我用的是linux的默认编码编辑，也就是utf-8，那么在后面运行的时候，却要求解释器用gbk去解码，自然很过分，就会出现了s=“小甲” 乱码的问题）
（大家一定要知道，编码是 “编” 和 “解” 的两个步骤，一定要一一对应才能正确解码！虽然通常我们都叫“编码格式”，这是有一定误导性的。
实际上另一半是“解码格式”，要有意识地区分 “编” 和 “解” ，我们不能像网上有些文章一样将这两者混为一谈！！）
2、根据上面的解释应该可以明白，写了它之后，并不会更改本地、系统默认编码。
（本地默认编码只跟操作系统相关，linux中是utf-8，windows中是gbk。）
（系统默认编码实际是有python3和python2的差异的，python3是utf-8，python2是ascii。）
3、那么，上面两种编码的作用体现在哪里呢？
敲黑板，划重点：
系统默认编码 指：
在python3编译器读取.py文件时，若没有头文件编码声明，则默认使用“utf-8”来对.py文件进行解码。并且在调用 encode()这个函数时，不传参的话默认是“ utf-8 ”。（这与下面的open( )函数中的“encoding”参数要做区分，非常误导人！！！）
本地默认编码 指：
在你编写的python3程序时，若使用了 open( )函数 ，而不给它传入 “ encoding ” 这个参数，那么会自动使用本地默认编码。没错，如果在Windows系统中，就是默认用gbk格式！！！
（这个问题困扰了我好久， 不说好了一直默认utf-8到天长地久的嘛，咋换成win后就频频失信呢。所以请大家在这里注意：linux中可以不用传“ encoding” 的参数， 而win中不能忘了~~~）
4、再来回答一下报错的问题：
因为我们的编译器已经用了gbk来解码此.py文件了，所以读取出来的变量 s 已经变成了我们现在看到的“ 灏忕敳 ” 了！那么此时把 s 存到磁盘文件中，实际上存的是乱码后的 “ 灏忕敳 ”。而在日文中，是没有这3个字的， 所以自然反馈说 “ 在 position 0 的位置，编码失败了”
现在我们再来分别查看utf2 、gbk2、jis2 这三个文件的内容：
utf2 : 灏忕敳
gbk2 : 小甲
jis2 :
（跟你想象中的结果是否一样呢？？嘿嘿嘿~~）
1、为什么 我用 “utf-8 ” 去编码存储，后来用linux默认的 “ utf-8 ” 去解码，却出现乱码？
2、为什么我用“ gbk ” 去编码存储， 后面用linux默认的 “ utf-8 ” 去解码，明明编码、解码格式不一致，却能够正常显示？
1、实际上面两个问题是同一个问题，相信细心的同学已经知道问题出在哪里了，我上文已经说的很清楚了。此时的变量 s 已经变成了“ 灏忕敳 ”， 那么utf2这个文本文件自然是显示“灏忕敳”。
2、而“灏忕敳”这三个字符是怎么来的呢？
第1步： 小甲（unicode） ---用 "utf-8" 编码---> e5b0 8fe7 94b2 (utf-8编码后的二进制代码)
第2步： e5b0 8fe7 94b2 ---用 “gbk” 解码---> " 灏忕敳 " （unicode）(乱码)
第3步： “ 灏忕敳 ” --- 用 “ gbk ” 编码---> e5b0 8fe7 94b2 ( 第2步的逆向)
第4步： e5b0 8fe7 94b2 ---用 “ utf-8 ” 解码---> 小甲（unicode）
我想上述的步骤够清楚了吧 ~
第3、 4 步就是逆推回去，就变成了正常的 “ 小甲 ”
看懂了这个 “ 编码 ” 和 “ 解码 ” 的过程，你的编码问题已经解决大半了！
#coding=shift-jis import sys, locale s = "小甲" print(s) print(type(s)) print(sys.getdefaultencoding()) print(locale.getdefaultlocale(), "\n\n") a = s.encode("shift-jis") print(a) print(type(a)) b = a.decode("utf-8") print(b) print(type(b)) print(a.decode("gbk")) with open("utf3","w",encoding = "utf-8") as f: f.write(s) with open("gbk3","w",encoding = "gbk") as f: f.write(s) with open("jis3","w",encoding = "shift-jis") as f: f.write(s) #Python学习群548377875
代码整体结构还是老样子，只不过中间多加了一小段代码，便于解释~
蟆冗抜 <class ‘str‘> utf-8 (‘en_US‘, ‘UTF-8‘) b‘\xe5\xb0\x8f\xe7\x94\xb2‘ <class ‘bytes‘> 小甲 <class ‘str‘> 灏忕敳
这里可以看到，此时我们的变量 s 已经变成了“ 蟆冗抜 ”（另一个用jis解码造成的乱码）。
那么此时，我把 “ 蟆冗抜 ” 用 “ shift-jis ” 解码回去并赋值给变量 a，打印一下，可以看到 a 就是正常显示的 “ 小甲 ”， 这也证明了我上面的推断是绝对正确的！！
现在，我们依旧分别查看一下 utf3 、gbk3、jis3 这三个文件的内容：
utf3 : 蟆冗抜
gbk3 : ???i
jis3 : 小甲
（oops~~ 见鬼，又是这么乱七八糟的东西）
这里我澄清一下，实际上utf3这个至少还能有文字，这叫乱码。而gbk3那个东西一团黑是什么鬼，是报错，linux的默认编码无法解码gbk3的文件，所以打印地乱七八糟。
（此处感谢 “流放的国王” 的指正~~）
至此，代码的示范部分就结束了~~ 码字码得我手酸 ~~~~(>_<)~~~~
tips：
1、所有文件的编码格式都由你当下使用的编辑器决定的！！在windows中编辑的文本放在浏览器解析显示的时候，有时乱码，有时又正常，这是由于windows中很多文本编辑器默认使用和操作系统一致的编码格式。
所以在文本存储前，一定要搞清楚我们用的是utf-8还是gbk！！！
而当你使用Python的 open( ) 函数时，是内存中的进程与磁盘的交互，而这个交互过程中的编码格式则是使用操作系统的默认编码（Linux为utf-8，windows为gbk）
2、相信学Python的同学们经常会听到，python3 的默认编码是utf-8。而有的时候，又有人说python3 的默认编码是unicode，那么是不是会有人跟我初学时候一样傻傻分不清楚这两者的关系呢？
所以说，上述两种说法没有歧义，进程在内存中的表现是“ unicode ”的编码；当python3编译器读取磁盘上的.py文件时，是默认使用“utf-8”的；当进程中出现open(), write() 这样的存储代码时，需要与磁盘进行存储交互时，则是默认使用操作系统的默认编码。
打字、排版、整理思路花了近5个小时，若是这篇文章有帮助到你、有给你带来一些对编码的新灵感，希望可以点个赞。
比心~ ?????????????????????????
公司Python大佬总结给新人的编码原理，看完彻底明白Python编码原理
标签：linux中 解释 nic 失败 无法 tar 大量 严格 注意
原文地址：https://www.cnblogs.com/huohuohuo1/p/9495544.html
