https://www.cnblogs.com/xiao-xue-di/p/11283496.html
《Python中的Unicode编码和UTF-8编码》
《字符串和编码》
《python编码转换(unicode / utf8 / gbk / 内部编码)》

字符编码

最早127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。
但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。

因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

字母A用ASCII编码是十进制的65，二进制的01000001；

字符0用ASCII编码是十进制的48，二进制的00110000，注意字符’0’和整数0是不同的；

汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

Python的字符串

unicode字符串用u'xx'表示

>>> u'中文'
u'\u4e2d\u6587'
>>> print(u'\u4e2d\u6587')
中文

gbk编码，用gbk转成unicode

>>> '中文'    
'\xd6\xd0\xce\xc4'
>>> print('\xd6\xd0\xce\xc4')
中文
>>> '中文'.decode('gbk')
u'\u4e2d\u6587'

默认是utf-8，转成unicode码

>>> utfstr = '\xe4\xb8\xad\xe6\x96\x87'
>>> utfstr.decode('utf-8')
u'\u4e2d\u6587'
>>>

unicode码转成utf-8码

>>> unistr = u'\u4e2d\u6587'
>>> unistr.encode('utf-8')
'\xe4\xb8\xad\xe6\x96\x87'

使用编码打印

默认utf编码时，gbk码乱码

# 默认utf编码
utfstr = '\xe4\xb8\xad\xe6\x96\x87'
print(utfstr)
unistr = u'\u4e2d\u6587'
print(unistr)
gbkstr ='\xd6\xd0\xce\xc4'
print(gbkstr)中文
中文
����

默认gbk编码时，utf-8码乱码

>>> utfstr = '\xe4\xb8\xad\xe6\x96\x87'
>>> print(utfstr)
涓枃
>>> unistr = u'\u4e2d\u6587'
>>> print(unistr)
中文
>>> gbkstr ='\xd6\xd0\xce\xc4'
>>> print(gbkstr)
中文

错误处理

报错：UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-3: ordinal not in range(128)
解决方法：
在文件开头添加：
import sys;
reload(sys);
sys.setdefaultencoding(“utf8”)

创建文件

默认编码创建

name = '中文手册'
print(type(name))
print(name)
filename = '{}.txt'.format(name)
print(type(filename))
print(filename)
f = open(filename, 'w')
print(f.name)<type 'str'>
中文手册
<type 'str'>
中文手册.txt
中文手册.txt

创建的文件名乱码

涓枃鎵嬪唽.txt

unicode编码创建

如果不全是unicode编码会出现错误

name = u'中文手册'
print(type(name))
print(name)
filename = '{}.txt'.format(name)
print(type(filename))
print(filename)
f = open(filename, 'w')
print(f.name)Traceback (most recent call last):File "H:/spiderexercise/crawlqiushibaike/test.py", line 12, in <module>filename = '{}.txt'.format(name)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)
<type 'unicode'>
中文手册

全部设置成unicode编码

name = u'中文手册'
print(name)
filename = u'{}.txt'.format(name)
print(filename)
f = open(filename, 'w')
print(f.name)
中文手册
中文手册.txt
中文手册.txt

创建的文件名没有乱码

中文手册.txt

使用decode(‘utf-8’)转成unicode也能创建成功

name = '中文手册'.decode('utf-8')
print(type(name))
print(name)
filename = '{}.txt'.decode('utf-8').format(name)
print(type(filename))
print(filename)
f = open(filename, 'w')
print(f.name)<type 'unicode'>
中文手册
<type 'unicode'>
中文手册.txt
中文手册.txt

创建的文件

中文手册.txt

或者

name = '中文手册'
print(type(name))
print(name)
filename = '{}.txt'.format(name)
filename = unicode(filename, 'utf-8')
print(type(filename))
print(filename)
f = open(filename, 'w')
print(f.name)<type 'str'>
中文手册
<type 'unicode'>
中文手册.txt
中文手册.txt

创建成功不乱码

中文手册.txt