python编码问题——“utf-8”与“gbk”

在进行CRNN训练中文字体OCR时，楼主碰到了令人头疼的问题，中英文编码不同。
这边文章主要来讲一下“utf-8”与“gbk”的一些问题，有人或许会问不是还有一个unicode吗？看完下面一张图就知道啦。

unicode其实是一种在操作过程中存在的字符状态，一般来讲，例如python中的str都是以“unicode”编码，在进行操作时会具化成为“utf-8”与“gbk”，往往是前者居多。
如上图所示，在python中不同编码的转换都要经过Unicode，不论是UTF-8或者是GBK，整个过程都是先通过编码decode转换为Unicode告诉Unicode当前的编码格式是什么、然后再通过解码encode转换为自己想要实现的编码格式或类型。
看下下面的命令，会清楚很多。

s = '你好'  
# str类型，默认编码为unicode
print(s.encode("gbk")) 
# Unicode转gbk
# 输出为：b'\xc4\xe3\xba\xc3'
s = s.encode("gbk")
# 将gbk的s编码赋给s
print(s)
# 显然输出为： b'\xc4\xe3\xba\xc3'
print(len(s))
# 输出长度为 **4**
print(s.decode('gbk').encode("utf-8")) 
 # Unicode转utf-8
#输出为： b'\xe4\xbd\xa0\xe5\xa5\xbd'
#在这条语句中，由于先前s已经变成了gbk编码，所以得先解码变成unicode，再进行编码，否则报错
s = s.decode('gbk').encode("utf-8")
print(s)
#显然输出为： b'\xe4\xbd\xa0\xe5\xa5\xbd