encode()和decode()编码与解码的解析常用编码与为何要encode和decode

Posted 2022-07-18 森明帮大于黑虎帮

文章目录

• (小拓展)：
• （一）ASCII 码
• （二）Unicode 码
• （三）UTF-8 码
• （四）总结与encode、decode
• （五）encode()和decode()
• （六）字符编码

(小拓展)：

下面是每个字符对应的编号，字符0-9对应编号48~57，就是说ASCII码全是字符！

我们键盘上每个键都对应一个ascii码，这也就是为什么python中input(‘请输入一个数’)得到的是字符，我们还得把它转换成int的原因了。

（一）ASCII 码

ASCII 码 表示 127 个英文字符。

ASCII 码最先出现，最初只适合英语。

随着计算机普及，各国家语言不同，文字多少更是不同，127个根本不够用。各国都要为自己的语言编码。

中国自己的编码是gbk，每个中文需要使用两个字节来编码，中文编码的规则 —— GB2312 （都是常用汉字），比如高考报名时有的学生姓名输入是乱码，就是因为教育部用的GB2312，而他的名字中有个太偏僻的字。

由于不同国家有不同的编码规则，如日本，韩国都使用各自国家的编码规则，在多语言
混用的场合会出现混乱。怎么解决？

（二）Unicode 码

Unicode 用来把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode通常用两个字节编码（有的也用四个字节），而 ASCII 码通常用一个字节字节。ASCII 码转换成 Unicode 在前面一个字节补 0。

Unicode码虽然全面，但是用起来笨重，比如说我就是想传个1到服务器，你还要给我用两个字节编码么？传额外15个0？

（三）UTF-8 码

UTF-8 把unicode进行优化，减小了硬盘存储空间浪费与传输效率低下。

不过在内存中都要转换成unicode。

UTF-8 编码把一个 Unicode 字符根据不同的数字大小编码成 1-6 个字节，常用的英文字
母被编码成 1 个字节，汉字通常是 3 个字节，只有很生僻的字符才会被编码成 4-6 个字节。

如果你要传输的文本包含大量英文字符，用 UTF-8 编码就能节省空间。

UTF-8 的一个好处在于，原有的 ASCII 的编码可以在 UTF-8 下继续工作。

（四）总结与encode、decode

搞清楚了 ASCII、Unicode 和 UTF-8 的关系，我们就可以总结一下现在计算机系统通用
的字符编码工作方式：

在计算机内存中，统一使用 Unicode 编码，当需要保存到硬盘或者需要传输的时候，
就转换为 UTF-8 编码。

用记事本编辑的时候，从文件读取的 UTF-8 字符被转换为 Unicode 字符到内存里，编
辑完成后，保存的时候再把 Unicode 转换为 UTF-8 保存到文件：rw-file-utf-8 。

浏览网页的时候，服务器会把动态生成的 Unicode 内容转换为 UTF-8 再传输到浏览器：
web-utf-8。

所以你看到很多网页的源码上会有类似的信息，表示该网页正是用的 UTF-8 编码。

首先要搞清楚，字符串在 Python 内部的表示是 unicode 编码，因此，在做编码转换时，
通常需要以 unicode 作为中间编码，即先将其他编码的字符串解码（decode）成 unicode，再从 unicode 编码（encode）成另一种编码。

1.decode:其它码–>unicode
decode 的作用是将其他编码的字符串转换成 unicode 编码，如 str1.decode(‘gb2312’)，表
示将 gb2312 编码的字符串转换成 unicode 编码。

2.encode:unicode–>其它码
encode 的作用是将 unicode 编码转换成其他编码的字符串，如 str2.encode(‘gb2312’)，表
示将 unicode 编码的字符串转换成 gb2312 编码。

（五）encode()和decode()

decode英文意思是 解码，encode英文原意 编码
字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码， 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码。
总得意思:想要将其他的编码转换成utf-8必须先将其解码成unicode然后重新编码成utf-8,它是以unicode为转换媒介的 如：s='中文' 如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用 decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件

• 字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码， 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

   所以：其他编码.decode—>unicode    unicode.encode—>其他编码

• decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成unicode编码。
• encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将unicode编码的字符串str2转换成gb2312编码。
• 总得意思:想要将其他的编码转换成utf-8必须先将其解码成unicode然后重新编码成utf-8,它是以unicode为转换媒介的 如：s=‘中文’ 如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用 decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。
  

（六）字符编码

• 我们已经讲过了，字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。

• 因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

• 由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

• 但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

• 你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
  

• 因此，Unicode字符集应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

• Unicode标准也在不断发展，但最常用的是UCS-16编码，用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

• 现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

• 字母A用ASCII编码是十进制的65，二进制的01000001；

• 字符0用ASCII编码是十进制的48，二进制的00110000，注意字符’0’和整数0是不同的；

• 汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

• 你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

• 新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

• 所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

• 

• 从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

• 搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：

• 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

• 用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：
  

• 浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：
  

• 所以你看到很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。