前言
- chardet.detect()： 查看编码类型；
- decode()： 把编码后的字符串转成未编码的unicode；（解码成unicode）
- encode()： 将unicode转成编码后的字符串；（编码为对应的类型）
一、常见编码类型
- utf-8： 是Unix下的一种通用编码，可以对汉字编码，应该是Unix环境下能打开看到汉字的唯一编码；
- gbk： 是win环境下的一种汉字编码，其中GB2312编码也算是gbk编码，这种编码在Unix环境中打开是乱码；
- unicode： 是一种二进制编码，所有的utf-8和gbk编码都得通过unicode编码进行转译，说的直白一点，utf-8和gbk编码之间不能之间转换，要在unicode之间过个场才能转换。（ unicode-escape 编码集，他是将unicode内存编码值直接存储）
二、读取编码类型
- 引入chartdet 读取文件编码类型：
>>> import chardet
>>> d = d.encode('utf-8')
>>> chardet.detect(d)
{'confidence': 0.7525, 'language': '', 'encoding': 'utf-8'}
三、各编码之间的类型转换
1. 为什么类型转换？
- Python 默认脚本文件都是 ANSCII 编码的，当文件中有非 ANSCII 编码范围内的字符的时候就要使用"编码指示"来修正；
- 一个 module 的定义中，如果.py文件中包含 中文字符（严格的说是含有非anscii字符），则需要在第一行或第二行指定编码声明：# -- coding=utf-8 -- 或者 #coding=utf-8
2. 转换函数
- decode()：把编码后的字符串转成未编码的unicode；
- encode()：将unicode转成编码后的字符串
3. 示例
s = '你好'
# 中文字符转码为字符串
s_ascii = s.encode('unicode_escape').decode('ascii')
# 字符串转码为中文字符
s_chinese = s_ascii.encode('ascii').decode('unicode_escape')
print(s_ascii) # \u4f60\u597d
print(s_chinese) # 你好
文章参考来源：
Python对中文字符的处理(utf-8/ gbk/ unicode)
Python 编码转换与中文处理