关于Python2中unicode的问题。
据我所知，我应该始终decode从外部（文件，网络）读取所有内容。decode使用参数中指定的字符集将外部字节转换为内部 Python 字符串。因此decode("utf8")意味着外部字节是 unicode 字符串，它们将被解码为 python 字符串。
而且我应该总是把encode我写的所有东西都写到外面。我在encode函数参数中指定编码，并将其转换为正确的编码并写入。
这些说法是对的，不是吗？
但有时当我解析 html 文档时，我会遇到解码错误。据我了解其他编码（例如cp1252）的文档，当我尝试使用 utf8 编码对其进行解码时会发生错误。那么问题来了，如何编写防弹应用程序呢？
我发现有一个很好的库来猜测编码是chardet，这是编写防弹应用程序的唯一方法。正确的？
...
decode("utf8")意味着外部字节是 unicode 字符串，它们将被解码为 python 字符串。...
这些说法是对的，不是吗？
不，外部字节是二进制数据，它们不是 unicode 字符串。因此将通过将字节解释为UTF-8来<str>.decode("utf8")生成一个 Python对象；如果字节无法解码为 UTF-8，则可能会引发错误。unicode<str>
确定任何给定文档的编码不一定是一项简单的任务。您要么需要一些外部信息源来告诉您编码，要么需要了解文档中的内容。例如，如果您知道它是一个内部指定了编码的 HTML 文档，那么您可以使用HTML 标准中概述的算法来解析该文档，以查找编码，然后使用该编码来解析该文档（它是两遍操作）。然而，仅仅因为 HTML 文档指定了编码，并不意味着它可以用该编码进行解码。如果数据损坏或文档最初编码不正确，您仍然可能会收到错误。
有一些库，例如chardet（我看到你已经提到过），会尝试为你猜测文档的编码（这只是猜测，不一定正确）。但他们可能有自己的问题，例如性能，并且他们可能无法识别您文档的编码。