这段程序中的变量s就是str类型的。我们都知道计算机内部都是二进制的0和1，str类型就是这样的0和1组成的二进制字节流，也就是说这里的变量s在计算机内部是一段二进制字节，并不是字符串。

如果你是在python的交互式编程环境中，那么你可以做个实验：

1
2
3

>>> s = "这是一段中文"
>>> s
\xe8\xbf\x99\xe6\x98\xaf\xe4\xb8\x80\xe6\xae\xb5\xe4\xb8\xad\xe6\x96\x87

\x 表示这个数是十六进制数， \xe8 表示这个数是十六进制数“E8”，转换为二进制为 11101000 ，上面的“\xe8\xbf\x99\xe6\x98\xaf\xe4\xb8\x80\xe6\xae\xb5\xe4\xb8\xad\xe6\x96\x87”就是变量s所代表的字节流，换句话说，就是字符串“这是一段中文”在utf-8编码格式下的二进制表示。

这里就出现了两个问题：

首先是问题1。变量s赋值时，字符串经过某种编码方式编码（encode）成为二进制字节，再赋值给变量s。这里的“某种编码方式”由代码显式指出，代码的第一行 # -*- coding:utf-8 -*- 就是用来显式地告诉计算机，你在str类型赋值时，用utf-8的编码方式。

然后是问题2。打印变量s时，二进制字节流通过某种编码方式解码（decode）为字符串。这里的“某种编码方式”由操作系统指出。我用的ubuntu系统使用的是utf-8的编码方式。

注意体会 编码 和 解码 这两个词的不同。编码方式和解码方式一样，才能正常print，否则显示的是乱码。

可能你还是不太明白，我们用上面的程序再做一组实验。因为每台电脑的命令行的编码方式不一样，我用的是ubuntu的系统，编码格式是utf-8，我以我的电脑为例来讲解。同时，注意实验要在命令行的状态下进行。有些ide比较智能，会自动更换输出环境的编码格式，达不到实验效果。

第一个程序和上面的一样，我们来看下效果：

1
2
3
4
5
6
7
8
9

# -*- coding:utf-8 -*-

# 命令行的编码方式为utf-8

s = "这是一段中文"  # s是str类型的变量，计算机把字符串以utf-8格式编码成二进制字节，赋值给s

print(s)    # s是str类型的变量，计算机读取s（也就是读取出二进制字节），然后以utf-8格式解码为字符串

# 程序输出：“这是一段中文”

然后，我们改动第一行：

1
2
3
4
5
6
7
8
9

# -*- coding:GBK -*-

# 命令行的编码方式为utf-8

s = "这是一段中文"  # s是str类型的变量，计算机把字符串以GBK格式编码成二进制字节，赋值给s

print(s)    # s是str类型的变量，计算机读取s（也就是读取出二进制字节），然后以utf-8格式解码为字符串

# 程序输出：一段乱码

我们再做第三个实验：

1
2
3
4
5
6
7
8
9

# -*- coding:utf-8 -*-

# 命令行的编码方式为GBK

s = "这是一段中文"  # s是str类型的变量，计算机把字符串以utf-8格式编码成二进制字节，赋值给s

print(s)    # s是str类型的变量，计算机读取s（也就是读取出二进制字节），然后以GBK格式解码为字符串

# 程序输出：一段乱码

我想你应该能理解这三个程序之间的区别。

如果你在python的交互式编程环境中，你可以做个实验：

1
2
3

>>> s = u"这是一段中文"    # 这边多了个u，表示变量s为unicode变量
>>> s
u'\u8fd9\u662f\u4e00\u6bb5\u4e2d\u6587'

可以看到，和上面str类型的实验结果的 \x 不一样了，这里出现的是 \u 。 \u 代表了在unicode编码表中的位置，比如 \u8fd9 就代表unicode编码表中8fd9这个位置的字符。

python中unicode类型的变量是作为一个中转站存在的。比如你要把一段字符串从utf-8编码转为GBK编码，你需要做的是:

1
2
3
4
5
6
7
8
9

# -*- coding:utf-8 -*-

s = "这是一段中文"  # s是str类型的变量，计算机把字符串以utf-8格式编码成二进制字节，赋值给s

s.decode("utf-8")   # 二进制字节s以utf-8格式解码到unicode，解码后s从str类型变为unicode类型

s.encode("GBK")     # unicode类型的变量s被以GBK格式编码为二进制字符串，编码后变量s从unicode类型变为str类型

# 程序输出：一段乱码

反过来，要把一个GBK编码的字符串转为utf-8也一样，要以unicode作为中转站。

你一试，还真的解决了问题，但你不知道这几句话有什么用。

第一句 # -*- coding:utf-8 -*- 上一段已经说了，是为了显式地说明代码是由utf-8格式编码的，如果你不加的话，一般来说是采用默认编码ascii。ascii不支持中文，你的代码中有任何中文就会出错。

后面三句，最重要的是 sys.setdefaultencoding('utf-8') ，它的目的是修改默认的解码方式为utf-8。

看下面的实验：

1
2
3

# -*- coding: utf-8 -*- 
s = '中文字符'  # s是字符串经过utf-8编码格式编码后的二进制字节，str类型
s.encode('GBK') # s是二进制字节，它不会直接encode。python会首先调用decode，将s从str类型变为unicode格式，再用GBK编码为str类型

你可以使用以下代码获取python默认的解码方式：

1
2

import sys
print(sys.getdefaultencoding())

假如你获取到的默认解码方式为ascii。那么：

1
2
3
4
5
6

# -*- coding: utf-8 -*- 
s = "这是一段中文"  # s是字符串经过utf-8编码格式编码后的二进制字节，str类型
s.encode("GBK") # s是二进制字节，它不会直接encode。python会首先调用decode，将s从str类型变为unicode格式，再用GBK编码为str类型

# 如果你的默认解码方式为ascii，那么上面一句话在实际执行时，相当于下面这句话
s.decode("ascii").encode("GBK")

显然，程序会报错：UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe4 in position 。

解决方法1，显示地指明解码格式：

1
2
3
4

# -*- coding: utf-8 -*- 
s = "这是一段中文" 

s.decode("utf-8").encode("GBK")

解决方法2，修改默认解码方式：

1
2
3
4
5
6
7
8

# -*- coding: utf-8 -*- 
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

s = "这是一段中文" 

s.encode("GBK")

你应该能从这几个实验中明白 sys.setdefaultencoding('utf-8') 的作用。