歡迎你來到站長在線的站長學堂學習Python知識，本文學習的是《Python中字符串編碼轉(zhuǎn)換：encode編碼和decode解碼詳解》。本知識點主要內(nèi)容有：常用編碼簡介、使用encode()方法編碼、使用decode()方法解碼、Unicode和UTF-8的關(guān)系說明。

歡迎你來到站長在線的站長學堂學習python知識，本文學習的是《Python中字符串編碼轉(zhuǎn)換：encode編碼和decode解碼詳解》。本知識點主要內(nèi)容有：常用編碼簡介、使用encode()方法編碼、使用decode()方法解碼、Unicode和UTF-8的關(guān)系說明。

我們在《Python中的基本數(shù)據(jù)類型》中，學習過：字符串就是連續(xù)的字符序列，可以是計算機能夠表示的一切字符的集合。字符串屬于不可變序列，通常用單引號（' '）、雙引號（" "）或者三引號（''' '''或""" """）括起來。還提到了字符串常用的轉(zhuǎn)義字符。今天主要來講解一下字符串編碼轉(zhuǎn)換。

1、常用編碼簡介

1.1、ASCII，即美國標準信息交換碼，1967年制定，主要用于美國和西歐，它僅對10個數(shù)字、26個大寫英文字母、26個小寫英文字母，以及一些其他符號進行了編碼。ASCII碼最多只能表示256個符號，每個字符占一個字節(jié)（bytes）。

1.2、GB2312，國家簡體中文字符集，1980年制定，兼容ASCII。每個中文字符占兩個字節(jié)。

1.3、Unicode，國際標準組織統(tǒng)一標準字符集，1991年制定。Unicode包含了跟全球所有國家編碼的映射關(guān)系。每個字符占兩個字節(jié)。

1.4、UTF-8，國際通用編碼，制定于1992年，對全世界所有國家用到的字符都進行了編碼。UTF-8采用一個字節(jié)表示英文字符，用三個字節(jié)表示中文。在Python3.x中默認的編碼就是UTF-8編碼，這就有效的解決了中文亂碼的問題。

1.5、GBK，為GB2312的擴展字符集，兼容GB2312，支持繁體字，1995年制定。每個中文字符占兩個字節(jié)。

在Python中，有兩種常用的字符串類型，分別為str和bytes。其中，str表示Unicode字符（ASCII或者其他）；bytes表示二進制數(shù)據(jù)（包括編碼的文本）。這兩種類型的字符串不能拼接在一起使用。通常情況下，str在內(nèi)存中以Unicode表示，一個字符對應若干個字節(jié)。但是如果在網(wǎng)絡上傳輸，或者保存到磁盤上，就需要把str轉(zhuǎn)換為字節(jié)類型，即bytes類型。

bytes類型的數(shù)據(jù)是帶有b前綴的字符串（用單引號或雙引號表示），例如，b'\xd2\xb0'和b'qq'都是bytes類型的數(shù)據(jù)。

str和bytes之間可以通過encode()和decode()方法進行轉(zhuǎn)換，這兩個方法是互為逆過程。下面分別進行介紹。

2、使用encode()方法編碼

encode()方法為str對象的方法，用于將字符串轉(zhuǎn)換為二進制數(shù)據(jù)（即bytes），也稱為“編碼”，其語法格式如下：

 str.encode([encoding="utf-8"][,errors="strict"])

參數(shù)說明如下：

str：表示要進行轉(zhuǎn)換的字符串。

encoding="utf-8"：可選參數(shù)，用于指定進行轉(zhuǎn)碼時采用的字符編碼，默認為UTF-8，如果想使用簡體中文，也可以設置為gb2312。當只有這一個參數(shù)時，也可以省略前面的“encoding=”，直接寫編碼。

errors="strict"：可選參數(shù)，用于指定錯誤處理方式，其可選擇值可以是strict（遇到非法字符就拋出異常）、ignore（忽略非法字符）、replace（用“?”替換非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默認值為strict。

說明

在使用encode()方法時，不會修改原字符串，如果需要修改原字符串，需要對其進行重新賦值。

例如，定義一個名稱為a的字符串，內(nèi)容為“星星之火可以燎原”，然后使用encode()方法將其采用GBK編碼轉(zhuǎn)換為二進制數(shù)，并輸出原字符串和轉(zhuǎn)換后的內(nèi)容，代碼如下：

a = '星星之火可以燎原'
b = a.encode('gbk')      # 將gbk編碼轉(zhuǎn)換為二進制數(shù)據(jù)，不處理異常 
print('原字符串：',a)    # 輸出原字符串 
print('轉(zhuǎn)換后：',b)      # 輸出轉(zhuǎn)換后的二進制數(shù)據(jù)

上面的代碼執(zhí)行后，將顯示以下內(nèi)容。

原字符串： 星星之火可以燎原
轉(zhuǎn)換后： b'\xd0\xc7\xd0\xc7\xd6\xae\xbb\xf0\xbf\xc9\xd2\xd4\xc1\xc7\xd4\xad'
>>> 

如果采用UTF-8編碼，轉(zhuǎn)換后的二進制數(shù)據(jù)為：

a = '星星之火可以燎原'
b = a.encode('utf-8')    # 將utf-8編碼轉(zhuǎn)換為二進制數(shù)據(jù)，不處理異常 
print('原字符串：',a)    # 輸出原字符串 
print('轉(zhuǎn)換后：',b)      # 輸出轉(zhuǎn)換后的二進制數(shù)據(jù)

原字符串： 星星之火可以燎原
轉(zhuǎn)換后： b'\xe6\x98\x9f\xe6\x98\x9f\xe4\xb9\x8b\xe7\x81\xab\xe5\x8f\xaf\xe4\xbb\xa5\xe7\x87\x8e\xe5\x8e\x9f'
>>> 

3、使用decode()方法解碼

decode()方法為bytes對象的方法，用于將二進制數(shù)據(jù)轉(zhuǎn)換為字符串，即將使用encode()方法轉(zhuǎn)換的結(jié)果再轉(zhuǎn)換為字符串，也稱為“解碼”。

其語法格式如下：

bytes.decode([encoding="utf-8"][,errors="strict"])

參數(shù)說明如下：

bytes：表示要進行轉(zhuǎn)換的二進制數(shù)據(jù)，通常是encode()方法轉(zhuǎn)換的結(jié)果。

encoding="utf-8"：可選參數(shù)，用于指定進行解碼時采用的字符編碼，默認為UTF-8，如果想使用簡體中文，也可以設置為gb2312。當只有這一個參數(shù)時，也可以省略前面的“encoding=”，直接寫編碼。

errors="strict"：可選參數(shù)，用于指定錯誤處理方式，其可選擇值可以是strict（遇到非法字符就拋出異常）、ignore（忽略非法字符）、replace（用“?”替換非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默認值為strict。

站長在線提醒您：在使用decode()方法時，不會修改原字符串，如果需要修改原字符串，需要對其進行重新賦值。

例如，將上面示例中編碼后得到二進制數(shù)據(jù)（保存在變量b中）進行解碼，可以使用下面的代碼：

a = b'\xd0\xc7\xd0\xc7\xd6\xae\xbb\xf0\xbf\xc9\xd2\xd4\xc1\xc7\xd4\xad'
print('解碼后：',a.decode("gbk"))  # 對進行制數(shù)據(jù)進行解碼

上面的代碼執(zhí)行后，將顯示以下內(nèi)容：

解碼后： 星星之火可以燎原
>>> 

同樣的，我們選擇utf-8的字符串也是可以的

a = b'\xe6\x98\x9f\xe6\x98\x9f\xe4\xb9\x8b\xe7\x81\xab\xe5\x8f\xaf\xe4\xbb\xa5\xe7\x87\x8e\xe5\x8e\x9f'
print('解碼后：',a.decode("utf-8"))  # 對進行制數(shù)據(jù)進行解碼

上面的代碼執(zhí)行后，將顯示以下內(nèi)容：

解碼后： 星星之火可以燎原
>>> 

站長在線提醒您：在設置解碼采用的字符編碼時，需要與編碼時采用的字符編碼一致。

本文相關(guān)知識擴展閱讀：

4、Unicode和UTF-8的關(guān)系說明

Unicode直接支持全球所有語言，包含了跟全球所有國家編碼的映射關(guān)系。

Unicode解決了字符和二進制的對應關(guān)系，但是使用unicode的每一個字符，都占用了兩個字節(jié)，太浪費空間。如unicode表示“Python”需要12個字節(jié)才能表示，比原來ASCII表示增加了1倍。

由于計算機的內(nèi)存比較大，并且字符串在內(nèi)容中表示時也不會特別大，所以內(nèi)容可以使用unicode來處理，但是存儲和網(wǎng)絡傳輸時一般數(shù)據(jù)都會非常多，那就不能這樣傳輸了。

為了解決存儲和網(wǎng)絡傳輸?shù)膯栴}，出現(xiàn)了Unicode Transformation format，學術(shù)名UTF，即：對unicode中的進行格式轉(zhuǎn)換，以便于在存儲和網(wǎng)絡傳輸時可以節(jié)省空間!

UTF-8： 使用1、2、3、4個字節(jié)表示所有字符；優(yōu)先使用1個字符、無法滿足則使增加一個字節(jié)，最多4個字節(jié)。英文占1個字節(jié)、歐洲語系占2個、東亞語系占3個，其它及特殊字符占4個。

UTF-16： 使用2、4個字節(jié)表示所有字符；優(yōu)先使用2個字節(jié)，否則使用4個字節(jié)表示。

UTF-32： 使用4個字節(jié)表示所有字符。

總結(jié)：UTF 是為unicode編碼 設計 的一種在存儲和傳輸時節(jié)省空間的編碼方案。

到此為止，本文學習的是《Python中字符串編碼轉(zhuǎn)換詳解》。本知識點主要內(nèi)容有：常用編碼簡介、使用encode()方法編碼、使用decode()方法解碼、Unicode和UTF-8的關(guān)系說明。就講解完畢了，有問題的可以給我留言哦！

關(guān)注【站長在線】，讓新手小白系統(tǒng)的零基礎學習Python，感謝你對我們的關(guān)注，點贊，轉(zhuǎn)發(fā)，評論哦！

猜你喜歡