【廖雪峰python入門筆記】Unicode編碼_UnicodeDecodeError處理

1.Unicode編碼的由來

字串還有一個編碼問題。

計算機只能處理數字，如果要處理文字，就必須先把文字轉換為數字才能處理。最早的計算機在設計時採用8個位元（bit）作為一個位元組（byte），所以，一個位元組能表示的最大的整數就是255（二進位制11111111=十進位制255），0 - 255被用來表示大小寫英文字母、數字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母 A 的編碼是65，小寫字母 z 的編碼是122。

如果要表示中文，顯然一個位元組是不夠的，至少需要兩個位元組，而且還不能和ASCII編碼衝突，所以，中國製定了GB2312編碼，用來把中文編進去。

類似的，日文和韓文等其他語言也有這個問題。為了統一所有文字的編碼，Unicode應運而生。Unicode把所有語言都統一到一套編碼裡，這樣就不會再有亂碼問題了。

Unicode通常用兩個位元組表示一個字元，原有的英文編碼從單位元組變成雙位元組，只需要把高位元組全部填為0就可以。

2. UnicodeDecodeError處理

如果中文字串在Python環境下遇到 UnicodeDecodeError，這是因為.py檔案儲存的格式有問題。可以在第一行新增註釋

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

目的是告訴Python直譯器，用UTF-8編碼讀取原始碼。然後用Notepad++ 另存為… 並選擇UTF-8格式儲存。