Python文本和字节序列

Posted 2020-12-21 xiebinbbb

人类使用文本，计算机使用字节序列

python3明确区分了人类可读的文本字符串和原始的字节序列。隐式地把字节序列转换成Unicode文本已成为过去。

把码位转换为字节序列的过程是编码，把字节序列转换成码位的过程是解码。

编码和解码

 1 >>> s = "hello world"
 2 >>> len(s)
 3 11
 4 >>> b = s.encode(‘utf8‘)
 5 >>> b
 6 b‘hello world‘
 7 >>> len(b)
 8 11
 9 >>> b.decode(‘utf8‘)
10 ‘hello world‘
11 >>>

decode()和encode()的区别

可以把字节序列想成是晦涩难懂的机器磁芯转储，把Unicode字符串想象成‘人类可读’的文本。把字节序列变成人类可读的文本字符串就是解码，把字符串变成用于存储或者传输的字节序列就是编码。

  

处理文本文件

处理文本的最佳实践是"Unicode三明治".

 

 

要尽早把输入(例如读取文件)的字节序列解码成字符串

程序的业务逻辑只能处理字符串对象

对输出来说,尽量晚地把字符串编码成字节序列

例如:在Django中,视图应该输出Unicode字符串,Django会负责把响应编码成为字节序列,而且默认使用UTF-8编码。