关于Python字符编码encode和decode
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于Python字符编码encode和decode相关的知识,希望对你有一定的参考价值。
(注:本文部分内容摘自互联网,由于作者水平有限,不足之处,还望留言指正。)
记得几天前,部门的一个小姑娘问我,怎么她Python打印出来的中文信息都乱码了?我走过去,略思一二,瞬间给她搞定,其实这是字符编码转换的问题。这时,我注意到小姑娘流露出一丝丝崇拜的眼神。所以我想,如果你连编码问题都搞不定,还怎么泡妞啊。可能一部分人也会进入这种误区,我以我小学生的水平,把我的理解结合网上的资料写下来。
注意:Python3默认编码是unicode;而Python2是ASCII码。Windows环境默认是gbk编码。
常见编码错误原因:
1. Python解释器的默认编码
2. Python源文件文件编码
4. 操作系统的语言设置
一、 编码的种类
I、ASCII 占1个字节,只支持英文
II、GB2312 占2个字节,支持6700+汉字
III、GBK GB2312的升级版,支持21000+汉字,中文2个字节。
IV、Unicode 2-4字节 已经收录136690个字符
V、UTF-8: 使用1、2、3、4个字节表示所有字符;优先使用1个字符、无法满足则使增加一个字节,最多4个字节。英文占1个字
节、欧洲语系占2个、东亚占3个,其它及特殊字符占4个。中文3个字节。
VI、UTF-16: 使用2、4个字节表示所有字符;优先使用2个字节,否则使用4个字节表示。
二、 Python3的执行过程
1.解释器找到代码文件,把代码字符串按文件头定义的编码加载到内存,转成unicode
2.把代码字符串按照语法规则进行解释,
3.所有的变量字符都会以unicode编码声明
Py3 自动把文件编码转为unicode,Python2并不会自动的把文件编码转为unicode存在内存里。需要手动转码。
三、手动转码规则
UTF-8 --> decode 解码 --> Unicode
Unicode --> encode 编码 --> GBK / UTF-8 等
使用type可以查看编码形式,unicode是‘unicode’,gbk和utf-8是‘str或bytes’。
实例:
Python2中默认是ASCII码
#coding=utf-8 #Python2中默认是ASCII码,一般会加入以utf-8编程 a = ‘编码‘ # a是utf-8类型 b = a.decode(‘utf-8‘) # b是Unicode类型 c = b.encode(‘gbk‘) #c是gbk类型 d = c.decode(‘gbk‘).encode(‘utf-8‘) #先将c转换成Unicode,再转成utf-8 print a ,b,c,d print type(a),type(b),type(c),type(d)
Python3中默认是unicode
a = ‘编码‘ # a是unicode类型 b = a.encode(‘utf-8‘) # b是utf-8类型 c = a.encode(‘gbk‘) #c是gbk类型 print (a ,b,c) print (type(a),type(b),type(c)) #python3默认是unicode类型
在Windows中默认gbk
>>> a = ‘编码‘ >>> b = a.decode(‘gbk‘) #windows默认是gbk,先解码成unicode >>> c = b.encode(‘utf-8‘) #unicode转换成utf-8 >>> a ‘\\xb1\\xe0\\xc2\\xeb‘ >>> b u‘\\u7f16\\u7801‘ >>> c ‘\\xe7\\xbc\\x96\\xe7\\xa0\\x81‘ >>> print(a,b,c) (‘\\xb1\\xe0\\xc2\\xeb‘, u‘\\u7f16\\u7801‘, ‘\\xe7\\xbc\\x96\\xe7\\xa0\\x81‘) >>> type(a) <type ‘str‘> >>> type(b) <type ‘unicode‘> >>> type(c) <type ‘str‘> >>>
就写这些吧。
哎,我们曾经有梦,可是那一年毕业了,梦去另一个城市搬砖了。梦是我同学呀。
以上是关于关于Python字符编码encode和decode的主要内容,如果未能解决你的问题,请参考以下文章