通过例子来看问题是比较容易懂的。
首先来看,下面这个是我新建的一个txt文件，名字叫做ivan_utf8.txt，然后里面随便编辑了一些东西。
然后来用控制台打开这个文件，同样也是截图：
这里就是简单的打开文本，读取文本内容，打印出来看，我们看到print出来的是和我写进去的是一样的东西。然后呢，我在对这个内容使用decode(‘gbk’),就是解编码，使用gbk方式进行解码，什么意思呢？就是说，我假设这个a是gbk方式的编码，结果是什么呢？大家都看到了，报错了哈！！！！说明这个不是gbk编码，是的，我的编码是utf－8编码，当然要报错啦。。。其实主要是这个里面的中文无法识别，如果只有英文应该还是不会报错的，虽然解出来内容是变样了哈。。。
回到我们这个问题，这个报错是什么意思呢？
这就是牵扯到我们今天要讲的问题了，看完我讲完的内容就能够知道是为什么了。。。
1.python字符串的本质是什么呢？
2.unicode的神奇之处在哪里？
3.python2是怎样处理unicode编码的？
4.python3是怎样处理unicode编码的？
1.为什么python用unicode编码呢？
主要有：
1.处理非英文的内容；
2.可以使用第三方库；
3.接受任何的输入内容；
在网页应用和数据库的交互以及命令行脚本处理都可以用到python。
上面这个报错的例子就是命令行脚本的例子。
大家都知道，其实就是一串字节流（1byte：字节），一个字节就是8位二进制数，10进制的8位是千万，这个二进制的8位就叫做1个字节。1个二进制位只能够表示0或者1。所以1个字节可以表示2的8次方种可能。扯远了。。。。。。。
我们这个字符串时utf－8编码方式编码的。什么叫编码方式呢？就是说这么一串01010101010101……是按照什么样的规则转换成字符的，为什么显示出来会像我们看到的一样？
utf－8就是其中一种规则。
unicode编码每一个字符占两个字节，也就是16个bit位咯！！！如果是其他编码的话，这16bit位可能表示的别的内容。
如今python标准库已经支持100多种编码方式了。
我们不用print，直接a就会看到原始的内容：’sdfsxe5xaexb6xe9x87x8cxe5x8fx91xe7x94x9fxe7x9ax84xe7xbaxa0xe7xbaxb7'
这个就是在内存中的表示方式，前面的英文可以显示出来，后面的因为是中文，不能够直接翻译出来，人家也不会嘛。。。这些都是16进制，4个2进制只需要1个16进制咯。
utf－8是asciil编码的一种扩展。每个字符是一个字节。所以一个有2的8次方 （2的平房为4，4次方为16，6次方64，8次方就是256），因为是256种可能。但是为什么标准教程上说是128呢？这个等我回去查一下资料再说吧。。可能是ascii库只有128种字符，还有一半的就浪费了哦。
非英文的就不能用ascii来编码，比如说：d = ‘廖’，然后d.encode(d),这样就会爆下面的错：
>>> d.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe9 in position 0: ordinal not in range(128)
在python中：类型关系如下：
<type 'basestring'>
|
+--<type 'str'>
|
+—<type’unicode'>
对字符串a使用decode（encoding）就会得到unicode类型，a为unicode类型的时候a.encode(encoding)就会得到str类型了。
>>> print a
sdfs家里发生的纠纷
>>> len(a)
25
>>> a[-1]
‘xb7'
>>> a_uni = a.decode('utf-8')
>>> a_uni
u'sdfsu5bb6u91ccu53d1u751fu7684u7ea0u7eb7'
>>> type(a_uni)
<type 'unicode'>
>>> len(a_uni)
11
>>> a_uni[-1]
u’u7eb7'
unicode是：
一种不用字节的形式来表示文本；就是说是变长的，len就是个数。
每次中语言的每一个字符都有唯一的数字来表示。
支持所有主流的语言；
可以表示超过100万的符号；
如果ascii， utf－8 和其他的字节串 是文本，那么unicode就是文本性的，unicode时最严格的文本格式；unicode是最严格的。这是文字的抽象格式。
unicode是一种概念：
为unicode保存到硬盘，就必须进行编码
>>> a = unicode('AB')
>>> type(a)
<type 'unicode'>
>>> a.encode(‘utf-8’)#这就是编码成了utf－8编码了。
'AB'
utf-8
就是变量的多字节表示。
前128个字符就和ascii一样。（其他的1字节表示不了，需要更多字节，一个字符可能需要1-4个字节）
>>> a = unicode('AB')
>>> a.encode('utf-16')
‘xffxfeAx00Bx00’
utf-16
多字节表示。
2-4个字节表示一个字符；
是对2个字节范围内的字符举行优化；
utf－32
固定宽度的字符，最快
4个字节32位表示一个字符；
python不支持
解码文字转换为unicode
大多数情况都是自动的。
这种情况主要发生在第三个库。
python会为你解码的。
往一个ascii编码格式的文件里写入unicode编码的文字时会报错的。
如果要写，可以先将字符a.encode(sys.getdefaultencoding())
python2的默认方式是ascii
可以用：sys.setdefaultencoding(‘utf-8’)来设置python的编码方式。这个设置当次有效。
但是设置会有更多的麻烦。
解码：
1.解码
2.unicode编码无处不在
3.编码
转换为unicode：
def to_unicode_or_bust(obj, encoding = ‘utf-8’):
if isinstance(obj, basestring):
if not isinstance(obj, unicode):
obj = unicode(obj, encoding)
return obj
转换为str类型：
主要用在写入磁盘活着print出来的时候：
直接encode（encoding）即可。
open文件指定编码方式，在第三个参数：
f = open（’1.txt’, ‘r’, encoding = ’utf-8’）
content = f.read()
f.close()
这样就是utf－8的方式读了。写也是一个道理。