7.1 编码是什么？ #

计算机只能存二进制。文字要进计算机，必须先按一套规则映射成字节——这套规则就是编码。

早期各国各自一套编码（GBK、Big5 等），同一串字节用不同规则解读就会乱码。现在统一用 Unicode 字符集 + UTF-8 编码，项目开发中几乎只需关心这一对组合。

7.2 str 与 bytes #

s = "Hello 世界"                    # str
b = s.encode("utf-8")              # bytes: b'Hello \xe4\xb8\x96\xe7\x95\x8c'
print(b.decode("utf-8"))           # 还原为 str: Hello 世界

• 编码：str → bytes，text.encode("utf-8")
• 解码：bytes → str，data.decode("utf-8")

解码时用的编码必须和编码时一致，否则会 UnicodeDecodeError 或出现乱码。

7.3 UTF-8 #

UTF-8 是互联网和现代软件的默认编码：

• 英文 1 字节，中文通常 3 字节，兼容 ASCII
• Python 3 源码默认 UTF-8；读写文件、HTTP、JSON 都应显式使用 UTF-8

text = "你好"
print(text.encode("utf-8"))   # b'\xe4\xbd\xa0\xe5\xa5\xbd'
print(len("A".encode("utf-8")))   # 1
print(len("你".encode("utf-8")))  # 3

7.4 读写文件 #

读写文本文件时务必指定 encoding，避免 Windows 下用系统默认编码（如 GBK）导致乱码：

# 写入
with open("data.txt", "w", encoding="utf-8") as f:
    f.write("你好")

# 读取
with open("data.txt", "r", encoding="utf-8") as f:
    content = f.read()

7.5 项目开发要点 #

1. 统一 UTF-8：源码、配置文件、数据库连接、API 响应头（Content-Type: charset=utf-8）全部使用 UTF-8
2. 文件必写 encoding：open(..., encoding="utf-8")，不要依赖系统默认
3. 区分 str 和 bytes：业务逻辑用 str；从 socket、文件读到的原始数据是 bytes，先 decode 再处理
4. 遇到乱码：先核对「写入编码」和「读取编码」是否一致，再查中间环节（编辑器、数据库、HTTP 头）是否混用了 GBK 等旧编码
5. 遗留数据：老系统 GBK 文件可用 content.decode("gbk") 单独处理，新代码仍应输出 UTF-8