探究 encode 和 decode 的使用问题（Python）

Posted 2020-11-18 xinglichao

在处理中文时一定会遇到编码与解码的问题， 今天来探究几种编码， 以及decode与encode的使用

---

很多时候在写Python程序的时候都要在头部添加这样一行代码

#coding: utf-8

或者是这样

# -*- coding:utf-8 -*-

等等

这行代码的意思就是设定同一编码格式为utf-8

计算机中存储数据的编码方式多种多样， 常用的有 unicode， utf-8， gbk， 等等

在Windows系统下，文本文件默认保存的格式应该是gbk

在以一种编码格式保存文件时，应该使用相同的编码进行解析此文件， 不然可能会出现乱码情况

---

今天就是想记录一下我在写Python程序时，在解析字符串字符串时何时使用decode， 何时使用encode

通常从非unicode编码转换为unicode编码使用decode（解码），相反从unicode编码转换为非unicode编码使用encode（编码）

#coding: utf-8

L = [\'你好\']
print L  

输出

现在是utf-8编码， 一个汉字占3个字节

使用decode进行解码，将 “你好” 的编码转换为unicode

#coding: utf-8

L = [\'你好\']
print [L[0].decode(\'utf-8\')] 

输出

可以看到成功转化为unicode编码， 并且一个汉字占2个字节

那我现在想让utf-8编码的 “你好” 转换为gbk该如何操作呢？

这样试一下

#coding: utf-8

L = [\'你好\']
print [L[0].encode(\'gbk\')]  #错误示例

出现了错误

正确的方式就是先将 utf-8 使用decode转换为 unicode ， 在将 unicode 使用encode转换为想要的编码gbk

#coding: utf-8

L = [\'你好\']
print [L[-1].decode(\'utf-8\').encode(\'gbk\')]   # utf-8 -> unicode -> gbk

输出

成功转化为gbk编码， 并且一个汉字占2个字节

---

总结：

(非unicode编码).decode(\'非unicode\')     转换为unicode

(unicode编码).encode(\'非unicode\')        转换为非unicode

如果想要从一种非unicode编码转换为另外一种非unicode编码， 需要借助unicode作为跳板先进行decode， 再进行encode

---

本节完......