Python中的字符串編碼是一個很讓初學者費解頭疼的問題，特別是遇到中文時相關處理經常拋出Exception。字符串到底以什么編碼在Python內部進行處理，Python2.x中文編碼如何安全的轉換，Python 2.x與Python 3.x在編碼方面的區(qū)別？本文接下來會一一進行講解。
1、字符串在Python內部的編碼
在Python內部字符串都是以unicode編碼進行處理，即源碼文件中的字符串首先都會被decode成unicode編碼的字符串，之后Python內部再進行處理，用代碼顯示表示如下：
unicode_str = input_str.decode('utf8')
以上是將uft8編碼的字符串input_str轉換為unicode，decode成功的前提是你得知道input_str的原始編碼，比如這里是utf8，否則會拋出UnicodeDecodeError的異常。
2、Python源碼字符串的編碼
Python 2.x的默認編碼格式是ascii，字符串在轉換前均會decode成unicode。初學Python大家可能會編寫如下的代碼：
#!/usr/bin/python
s = '你好'
print s
會出現下面的異常：
SyntaxError: Non-ASCII character '\xe4'
這個是因為錯誤的將utf8編碼的中文當成ascii解碼。解決方法也很常規(guī)：在Python源碼文件中聲明編碼格式，最常見的聲明方式如下：
#!/usr/bin/python
# -*- coding: utf-8 -*-
3、字符串編碼安全的轉換方式
我們常見的字符串處理場景是這樣的，從文件中或者中MySQL/Redis中l(wèi)oad一段數據，做一些split、find之類的操作，這不是在代碼文件中已有的變量，動態(tài)加載的字符串并不會自動decode成unicode編碼。因此遇到中文時需要我們顯示的使用decode函數處理。若已知load字符串的編碼格式，直接轉換即可。大部分情況下并不知道load字符串的編碼，這里可以借住chardet插件檢測字符串的原始編碼：
// 安裝chardet庫
pip install chardet
result = chardet.detect(s)
// 檢測結果
>>> result
{'confidence': 0.99, 'encoding': 'utf-8'}
confidence表示檢測的準確率，encoding表示檢測的編碼，關于chardet的原理這里不說了。數據處理完了，如果需要再次存儲，使用encode方法即可
// 將unicode編碼轉為目標編碼：utf8
out_put = str.encode('utf8')
4、Python 2.x與Python 3.x區(qū)別
使用Python 3.x版本可以解決大部分編碼問題，Python 3.x把系統(tǒng)默認編碼設置為utf8，被單引號或雙引號括起來的字符串，就已經是 Unicode 類型的str。文本字符和二進制數據區(qū)分得更清晰，分別用 str 和 bytes 表示。文本字符全部用 str 類型表示，str 能表示 Unicode 字符集中所有字符，而二進制字節(jié)數據用一種全新的數據類型，用 bytes 來表示。
終極原則：decode early, unicode everywhere, encode late
在輸入或者聲明字符串的時候，盡早地使用decode方法將字符串轉化成unicode編碼格式；然后在程序內使用字符串的時候統(tǒng)一使用unicode格式進行處理；最后，在輸出字符串的時候，通過encode方法將字符串轉化為你所想要的編碼格式。
參考：
