晓月的Blog

　　前几天决定尝试下 Python 3.0，安装的版本是 3.0.1。不出意外，原来的代码都不能用了。

　　我想要修改的是使用 Python 登录网站中的程序，经过把 print 语句改成函数，重新查找标准库的用法，修改字符串的表达方式这些常规的修改，终于不提示语法错误了。

　　不过我运行程序，却发现没有登录成功。经过调试，发现在发送登录请求的时候，编码出了问题。论坛需要 GBK，而 Python 使用 urlencode 编码得出的是 UTF-8。

　　在 Python 3 中取消了原来的 unicode 类型，现在的字符串类型为 str，并且存放的就是 unicode 字符串。这样，在 Python 程序内部就不用为各种字符编码困扰了。现在使用字符串，只要保证在与外界交互，即读取（比如赋值、从文件读、从网络读）和输出（比如存储文件、发送信息）的时候使用正确的编码即可。但是这样也就造成原来很多程序都要重新写。

　　字符串经过具体编码，就不再是 str 了，而是 bytes 类型。对一个 str 可以用个 encode 编码成 bytes 数据，而一个经过编码的 bytes 数据可以通过 decode 解码成 unicode 字符串。在 Python Docs: What's New In Python 3.0 : Text Vs. Data Instead Of Unicode Vs. 8-bit 中有详细说明。

　　在读取文件的时候，默认是以 text mode 打开的，所以读取的资料直接可以存放到 str 字符串中，同时在 open 的时候可以指定编码系统。而如果文件不是文本，则需要在 open 的时候使用 "b"以 binary mode 打开。

　　回到之前那个论坛登录程序，我使用标准库自带的 urlencode 将个人用户名和密码等参数进行 URL 编码，而由于 Pyhton 字符串机制发生根本变化，这个函数默认将文字（比如用户名是中文）按照 UTF-8 进行编码。而论坛需要的是 GBK 编码，所以造成无法登录。

　　通过查看标准库相关的代码：Lib\urllib\parse.py 文件中的 urlencode 函数可以看出，它默认使用的就是 UTF-8，也没有提供可选的编码参数。所以要想实现 GBK 编码，只能放弃使用 urlencode 函数，直接使用 quote_plus 来编码。不过就要手动实现把编码后的参数用"&"连接起来了。