py2和py3都使用unicode作为内存代码，简称内码。当保存在python解释器内存中的文本输出到屏幕、编辑器或保存到文件中时，应将内码转换为utf8或gbk等编码格式；同样，当python解释器从输入设备接收文本或从文件读取文本时，应将utf8或gbk等编码转换为unicode编码格式。

因此，无论是py2还是py3，都想要unicode、utf8、如果在gbk等编码格式之间转换，下图是通用的:

我们之所以感到困惑，是因为py2和py3为这些编码格式指定了令人困惑的名字。

py2字符串有两种类型：unicode类型和str类型。

py2的unicode类型是unicode编码，py2的str类型一般是指除unicode编码外的所有编码，包括ascii编码、utf8编码、gbk编码、cp936编码等。

py3字符串也有两种类型:bytes类型和str类型。py3的str类型是unicode编码，py3的bytes类型一般是指除unicode编码外的所有编码，包括ascii编码、utf8编码、gbk编码、cp936编码等。

同样的str类型，在py2和py3中完全颠倒！下图添加了一点内容，更有利于理解编码问题。

接下来，让我们进行实战演练。

>>>s='abc天圆地点'
>>>type(s)
<class'str'>
>>>len(s)
7
>>>s
'abc天圆地点'
>>>print(s)
天圆地点abc
>>>s.encode('unicode-escape')
b'abc\u5929\u5706\u573;

无论是否在字符串前添加u，只要b不在字符串前使用，IDLE中定义的字符串都是unicode编码，即py3<class ‘str’>，它的长度是字符的数量，而不是字节的数量。我们将unicode字符串“abc天圆”转换为utf8编码：

>>>s_utf8=s.encode('utf8')
>>>type(s_utf8)
<class'bytes'>
>>>len(s_utf8)
15
>>>s_utf8
b'abcxe5\xa4\xa9cx86\xe5cxb0\xe6\xb96;
>>>print(s_utf8)
b'abcxe5\xa4\xa9cx86\xe5cxb0\xe6\xb96;
>>>s_utf8.decode('utf8')
'abc天圆地点'

utf8编码是bytes类型(字节码)，长度是字节数量。我们将unicode字符串“abc天圆”转换为gbk编码:

>>>s_gbk=s.encode('gbk')
>>>type(s_gbk)
<class'bytes'>
>>>len(s_gbk)
11
>>>s_gbk
b'abc\xcc\xecxd4\xb2\xb5\xd8\xb7xbd'
>>>print(s_gbk)
b'abc\xcc\xecxd4\xb2\xb5\xd8\xb7xbd'
>>>s_gbk.decode('s_gbk')
'abc天圆地点'

gbk编码也是bytes类型(字节码)，长度也是字节数量。我们来看看不同编码的字节码是否可以连接:

>>>ss=s_utf8+s_gbk
>>>ss
b'abcxe5\xa4\xa9\xe5cx86\xe5cxb0\xe6\xb9abc\xcc\xecxd4\xb2\xb5\xd8\xb7xbd'
>>>ss.decode('utf8')
Traceback(mostrecentcalllast):
File"<pyshell#64>",line1,in<module>
ss.decode('utf8')
UnicodeDecodeError:'utf-8'codeccan'tdecodebyte0xcinposintion:invalidcontinuationbyte
>>>ss.decode('gbk')
'abc澶╁浑版abc天圆地方'
>>>ss.decode('utf8','ignore')
'abc天圆地abcc天圆地abc天圆地abcԲط'
>>>ss.decode('gbk','ignore')
'abc澶╁浑版abc天圆地方'

可以看出，除非使用ignore参数，否则可以连接不同编码的字节码，但一般不能解码为unicode(字符串)。

python学习网，免费在线学习python平台，欢迎关注！