Python中字符的编码与解码

Posted 2020-11-16 Viktor

1 文本和字节序列

　　我们都知道字符串，就是由一些字符组成的序列构成串，那么字符又是什么呢？计算机只能识别二进制的东西，那么计算机又为什么会显示我们的汉字，或者是某个字母呢？

　　由于最早发明使用计算机是美国人，他们为了解决了英语如何在电脑上显示，就制定了一套标准：ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码），主要用于显示现代英语和其他西欧语言。到目前为止共定义了128个字符，从0-127的二进制数分别对应了相应的字符，这样就将现实中的字符和计算机的二进制联系起来，从而将字符表达显示在计算机上。

　　随机计算机的普遍，各国有不同的语言，每个国家为了普及计算机的使用，那么如何将各自国家的语言表达在计算机上就成了一个问题。于是，不同的国家都在制定适用自个国家的字符集，比如对于我国来说，就有gbk《汉字内码扩展规范》，它也是将每个字符（字）和计算机的二进制对应起来。那么问题来了，不同的国家使用各自国家的一套规范，在跨国交流时，就会出现文本显示的乱码。于是就有了一套统一的机制Unicode。Unicode（统一码、万国码、单一码），它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

1.1 字符和字节

　　目前使用的基本是Unicode定义的字符，从Python3的str对象中获取的元素就是Unicode字符。字符的具体表述取决于所用的编码。编码是在码位和字节序列之间转换时使用的算法。使用最多的是utf-8编码，使用该编码，文本文件可以跨平台显示。把码位转换成字节序列的过程是编码；把字节转换成码位的过程是解码。

 

 　　编码时使用的编码算法要与解码时使用的解码算法相同，要不然会出现乱码的现象。

1.2 字符与字节的转换

　　字符是组成字符串有序序列的单个元素，字符可以用上面的编码来理解。字符串按照不同的字符集编码返回字节序列bytes。

 　　字节序列安装不同的字符集解码返回字符串

1 bytes.decode(encoding="utf-8", errors="strict") -> str
2 bytearray.decode(encoding="utf-8", errors="strict") -> str

1.3 bytes与bytearray

　　Python中内置了两种基本的二进制序列类型：Python 3 引入的不可变bytes类型和Python 2.6 增加的可变bytearray类型（字节数组）

1.3.1 bytes定义

　　bytes有以下的定义方法：

Definition	Function
bytes()	定义空的bytes
bytes(int)	指定字节的bytes，被0填充
bytes(iteeable_of_ints)	bytes[0,255]的int组成的可迭代对象
bytes(string, encoding[, errors])	等价于string.encode()
bytes(bytes_or_buffer)	immutable copy of bytes_or_buffer 从一个字节序列或者buffer复制出 一个新的不可变的bytes对象
使用b前缀定义	只允许基本ASCII使用字符形式b\'abc9\'； 使用16进制表示b"\\x41\\x61"

 1.3.2 bytes操作

　　和str类型类似，都是不可变类型，所以很多方法都一样。只不过bytes的方法，输入的是bytes，输出的也是bytes。下面看bytes的基本操作：

• b\'abcdef\'.replace(b\'f\',b\'k\')
• b\'abc\'.find(b\'b\')　　
• bytes.fromhex(string)　　string必须是2个字符的16进制的形式，比如bytes.fromhex(\'6162 09 6a 6b00\')，空格将被忽略
•  \'abc\'.encode().hex()　　返回16进制表示的字符串
• b\'abcdef\'[2]　　返回该字节对应的数，int类型

 1.3.3 bytearray定义

Definition	Function
bytearray()	空bytearray
bytearray(int)	指定字节的bytearray，被0填充
bytearray(iterable_of_ints)	bytearray [0,255]的int组成的可迭代对象
bytearray(string, encoding[, errors])	bytearray 近似string.encode()，不过返回可变对象
bytearray(bytes_or_buffer)	从一个字节序列或者buffer复制出一个新的可变的bytearray对象

1.3.4 bytearray操作

　　和bytes类型的方法相同：

• bytearray(b\'abcdef\').replace(b\'f\',b\'k\')
• bytearray(b\'abc\').find(b\'b\')
• bytearray.fromhex(\'6162 09 6a 6b00\')
• bytearray(\'abc\'.encode()).hex()
• bytearray(b\'abcdef\')[2]　　返回该字节对应的数，int类型

　　bytearray是字节型的数组，相当于列表一样，只不过bytearray中存储的是字节形式的序列。它也支持和列表一些相同的操作：