您现在的位置是：首页 > Python

当前栏目

【Python上手】字符编码

Python

2023-03-02 11:22:05 时间

本文内容基于Python 3.x版本进行说明。

<table> 
 <tbody> 
  <tr> 
   <td align="left"><font> # 编码和解码 </font></td> 
  </tr> 
 </tbody> 
</table>

**编码：** 目的是让机器读懂语言，比如输入的字符是“中文”，编码以后则变成二进制格式。这样机器就能读懂了。  
**解码：** 与编码相反的过程。

字符串通过编码转换为字节码，字节码通过解码转换为字符串  
字符串即`str`，在`Python 3.x`中`str类`包含了`unicode`字符  
字节码即`bytes`，在`Python3.x`中非unicode编码如`UTF-8`，`GBK`都被定义成`bytes`

str--->(encode)--->bytes
    bytes--->(decode)--->str
    
    unicode--->(encode)--->UTF8 GBK
    UTF8 GBK--->(decode)--->unicode

我们要特别注意字符串编码和解码的字符集是否一致，因为如果两个字符集不一致的时候就会出现乱码。下面是编码转换的一个例子：

c = '中文'  # 这是一个字符串str，unicode
    print(type(c), c)  # 输出<class 'str'> 中文
    
    c = c.encode('utf-8')  # 使用UTF-8将str类型编码为bytes类型
    print(type(c), c)  # 输出<class 'bytes'> b'\xe4\xb8\xad\xe6\x96\x87'
    
    c = c.decode()  # 使用默认方式将bytes类型解码为str类型
    print(type(c), c)  # 输出<class 'str'> 中文

首先，让我们明确一下可能导致字符串显示乱码的几个原因：

*  Python解释器默认编码
 *  源文件设置的编码
 *  终端编码

**如果Python解释器的默认编码与源文件设置的编码不一致，或者终端编码与源文件编码不一致，就会导致乱码。**

c = '中国'  # str
    c = c.encode('utf-8')  # 采用utf-8编码成bytes类
    c = c.decode('gbk')  # 试图采用gbk解码，因编码格式不一，报错如下：
    
    --------------------------------------------------------------
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 2: illegal multibyte sequence

**Python解释器编码：** 指Python内部认为字符串str要转为bytes的默认转换方式，也就是当你使用不带参数的`encode()`方法时，默认参数。你可以键入以下几行代码得到当前Python解释器编码类型：

import sys
    
    print(sys.getdefaultencoding())  # 我测试了下是utf-8

**源文件设置的编码：** 如果想要在源码中写非ASCII文字，可以在源码文件开头写入一行：

# coding: utf-8

**终端编码：** 终端显示的时候，若无法更改终端编码格式的话，需要提前将打印内容转换为终端支持的编码格式。

<table> 
 <tbody> 
  <tr> 
   <td align="left"><font> # 文件读写编码 </font></td> 
  </tr> 
 </tbody> 
</table>

文件读写时，`read()`出来的文件内容，得到的就是`str`类型的，`write()`写入文件时，也要保证写入类型为`str`。

f = open('test.txt', 'r')
    content = f.readlines()  # 得到列表格式的数据
    f.close
    
    print(type(content[0]))  # <class 'str'>

猜你喜欢

最长无重复子串
写技术博客的一些心得分享
Java 多线程（七）：线程池
Java 多线程（五）：锁（三）
Java 多线程（四）：锁（二）
Java 多线程（三）：锁（一）
Java 多线程（二）：并发编程的三大特性
线性时间非比较类排序
Java 多线程（一）：基础
合并k个已排序的链表
HDFS 高可用分布式环境搭建
合并两个有序数组
连续子数组的最大和
HDFS 分布式环境搭建
容器盛水问题
大数加法
HDFS 伪分布式环境搭建
设计LRU缓存结构
两数之和
使用单调栈来解决的一些问题

zl程序教程

当前栏目

【Python上手】字符编码

相关文章