给定一个字符串
u ='abc'
哪种语法是编码成utf8的正确语法？
u.encode('utf-8')
或
u.encode('utf8')
我怎么知道我已经在utr-8中编码了？
答案 0 :(得分：3)
首先，如果您正在讨论Python 2或Python 3，则需要进行区分，因为unicode处理是两个版本之间最大的差异之一。
unicode类型包含文字字符str包含8位字节的序列，有时表示某些未指定编码的文本s.decode(encoding)获取一个序列字节，并在给定字节使用的编码后构建一个文本字符串。它从str到unicode，例如"Citt\xe0".decode("iso8859-1")将为您提供文本“Città”（意大利语为城市），"Citt\xc3\xa0".decode("utf-8")也会出现同样的情况。可以省略编码，在这种情况下，含义是“使用默认编码”。u.encode(encoding)接受一个文本字符串，并在给定的编码中构建表示它的字节序列，从而颠倒decode的处理。它从unicode到str。如上所述，编码可以省略。使用Python处理unicode时的部分困惑是语言试图过于聪明并自动完成。
例如，您也可以在encode对象上调用str，其含义是“编码使用默认编码时解码这些字节的文本，最终使用指定的编码或默认值编码如果没有指定“。
同样，您也可以在decode对象上调用unicode，这意味着“在使用默认编码时解码来自此文本的字节，最终使用指定的编码”。
例如，如果我写
u"Citt\u00e0".decode("utf-8")
Python给出错误：
UnicodeEncodeError：'ascii'编解码器无法对字符u'\ xe0'进行编码 位置3：序数不在范围内（128）
注意：错误是关于编码失败，而我要求解码。原因是我要求解码文本（废话，因为它已经“解码”......它的文本），Python决定首先使用“ascii”编码对其进行编码，但失败了。 IMO要好得多，就是不要在unicode对象上有decode而在字符串对象上没有encode：错误信息会更清楚。
更令人困惑的是，Python 2 str用于未编码的字节，但它也用于文本的所有地方，例如字符串文字是str个对象。
要解决一些问题，Python 3做了一些关键的更改
str用于文本并包含unicode字符，字符串文字是unicode文本unicode类型不再存在bytes类型用于8位字节序列，可能代表某些未指定编码的文本例如在Python 3中
'Città'.encode('iso8859-1') → b'Citt\xe0'
'Città'.encode('utf-8') → b'Citt\xc3\xa0'
您也无法在文本字符串上调用decode，也无法在字节序列上调用encode。
有时将文本编码为字节可能会失败，因为指定的编码无法处理所有的unicode。例如iso8859-1无法处理中文。可以通过几种方式处理这些错误，例如引发异常（默认），或者替换无法用其他内容编码的字符。
然而，编码utf-8能够编码任何unicode字符，因此编码到utf-8永远不会失败。 因此，询问如何正确地将utf-8中的编码文本正确完成是没有意义的，因为它始终发生（对于utf-8）。
此外，解码可能会失败，因为字节序列在指定的编码中可能没有意义。例如，字节序列0x43 0x69 0x74 0x74 0xE0不能解释为utf-8，因为如果没有正确的前缀，字节0xE0就不会出现。
有类似iso8859-1的编码，但解码不会失败，因为任何字节0..255都有作为字符的含义。大多数“本地编码”属于这种类型......它们将所有256个可能的8位值映射到某个字符，但只覆盖了一小部分unicode字符。
使用iso8859-1进行解码绝不会引发错误（任何字节序列都有效），但当然如果使用其他编码的字节，它可以为您提供无意义的文本。
答案 1 :(得分：0)
第一个解决方案：
isinstance(u, unicode)
第二个解决方案：
try:
u.decode('utf-8')
print "string is UTF-8, length %d bytes" % len(string)
except UnicodeError:
print "string is not UTF-8"