Python中常用的文本转义及编码

Posted 2022-03-03 Python学习

每种语言都有其关键字和保留字符，这样为了能这些特殊字符能正常显示，就需要转义，如Python中\\n代表回车，HTML中 代表空格等等。
Python中的\'\'是转义控制符，如果要表达\\本身则需要使用\'\'，常见于Windows系统的路径中（使用\'/\'则不需要转义）。

unicode转义

有时候我们在响应文本中会看到一些\\u开头的字符串，如下例。

>>> import requests
>>> res = requests.get(\'https://httpbin.org/get?name=张三&age=12\')
>>> print(res.text)

  "args": 
    "age": "12",
    "name": "\\u5f20\\u4e09"
  ,
  "headers": 
    "Accept": "*/*",
    "Accept-Encoding": "gzip, deflate",
    "Host": "httpbin.org",
    "User-Agent": "python-requests/2.24.0",
    "X-Amzn-Trace-Id": "Root=1-5f8f8e42-6d1f34a2691b8bec579454a3"
  ,
  "origin": "111.194.126.253",
  "url": "https://httpbin.org/get?name=\\u5f20\\u4e09&age=12"

响应体文本中，name后面对应是"\\u5f20\\u4e09"，这是HTTP请求在传输时为了确保符合ASCII编码对其他字符集做的unicode转义。

注意这个只是打印结果，我们看看res.text的本来样子。

>>> res.text
\'\\n  "args": \\n    "age": "12", \\n    "name": "\\\\u5f20\\\\u4e09"\\n  , \\n  "headers": \\n    "Accept": "*/*", \\n    "Accept-Encoding": "gzip, deflate", \\n    "Host": "httpbin.org", \\n    "User-Agent": "python-requests/2.24.0", \\n    "X-Amzn-Trace-Id": "Root=1-5f8f8e42-6d1f34a2691b8bec579454a3"\\n  , \\n  "origin": "111.194.126.253", \\n  "url": "https://httpbin.org/get?name=\\\\u5f20\\\\u4e09&age=12"\\n\\n\'

可以看出name的实际值是"\\u5f20\\u4e09"，"\\u5f20\\u4e09" != "\\u5f20\\u4e09"，看下如下例子。

>>> name = "\\u5f20\\u4e09"
>>> name
\'张三\'
>>> name = "\\\\u5f20\\\\u4e09"
>>> name
\'\\\\u5f20\\\\u4e09\'
>>> print(name)
\\u5f20\\u4e09

可见 "\\u5f20\\u4e09" 就是"张三"，而"\\u5f20\\u4e09"是一个显示为"\\u5f20\\u4e09"的字符串。
unicode转义-解码

如何将"\\u5f20\\u4e09"转为"张三"呢？方法如下
先按utf-8编码回二进制，然后按unicode-escape方式解码为正常文本

>>> name = "\\\\u5f20\\\\u4e09"
>>> name.encode(\'utf-8\').decode(\'unicode-escape\') 
\'张三\'

unicode转义-编码

如果想将"张三"转为unicode转义字符只需要反向操作即可。

>>> name = "张三"
>>> name.encode(\'unicode-escape\').decode(\'utf-8\')
\'\\\\u5f20\\\\u4e09\'

GBK转义

有些中文网页中有时会使用GBK编码，形式为\\x开头的字符如。

>>> name = "张三"
>>> name.encode(\'gbk\')
b\'\\xd5\\xc5\\xc8\\xfd\'

这个二进制字符串b\'\\xd5\\xc5\\xc8\\xfd\'就是"张三"，但如果我们拿到一个"\\xd5\\xc5\\xc8\\xfd"的普遍字符串呢?
操作方法如下。

>>> name = "\\xd5\\xc5\\xc8\\xfd"
>>> name
\'ÕÅÈý\'
>>> name.encode(\'latin1\').decode(\'unicode-escape\').encode(\'latin1\').decode(\'gbk\')
\'张三\'
>>> name = "\\\\xd5\\xc5\\\\xc8\\\\xfd"
>>> name.encode(\'latin1\').decode(\'unicode-escape\').encode(\'latin1\').decode(\'gbk\')
\'张三\'

无论是"\\xd5\\xc5\\xc8\\xfd"还是"\\xd5\\xc5\\xc8\\xfd"都可以。

html转义

在有些情况下我们需要解码html文档中的转义字符，或者进行编码，操作如下。

>>> import html
>>> args=\'"e": 5, "f": 6\'
>>> html.escape(args)  # 转义
\'"e": 5, "f": 6\'
>>> html.unescape(\'"e": 5, "f": 6\')   # 转回
\'"e": 5, "f": 6\'

url编码

在url中需要对一些特殊字符进行编码，比如在浏览器地址栏中输入https://httpbin.org/get?name=张三&age=12\'
然后复制-粘贴，你会发现网址变为了https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12，这就是url为确保ASCII对特殊字符集非ASCII编码进行的编码。

如何解码呢？方法如下。

>>> from urllib.parse import quote,unquote,urlencode
>>> url = \'https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12\'
>>> unquote(url)
\'https://httpbin.org/get?name=张三&age=12\'

如果想要进行urlencode编码，则需要使用quote和urlencode，quote对字符串进行编码，一般只用于单个参数值，urlencode则对一组字典格式的参数进行编码组装。
示例如下：

>>> name = "张三"
>>> quote(name)
\'%E5%BC%A0%E4%B8%89\'
>>> url = f\'https://httpbin.org/get?name=name&age=12\'
>>> url
\'https://httpbin.org/get?name=张三&age=12\'
>>>

或

>>> params = "name": "张三", "age": 12
>>> urlencode(params)
\'name=%E5%BC%A0%E4%B8%89&age=12\'
>>> url = f\'https://httpbin.org/get?urlencode(params)\'
>>> url
\'https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12\'

base64编码

编码和加密的不同在于，编码一般为了传输或者压缩，支持解码。加密后则一般不能反解。
base64一般用于在接口中，将图片或媒体变为一种固定长度的字符串形式，方便传输。
base64编码解码方法如下。
编码

\'\'\'
学习中遇到问题没人解答？小编创建了一个Python学习交流群：531509025
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
\'\'\'
>>> import base64
>>> a = \'lts\'
>>> b =a.encode(\'utf-8\')
>>> base64.b64encode(b)
b\'bHRz\'
>>> base64.b64encode(b).decode(\'utf-8\')
\'bHRz\'

解码

>>> base64.b64decode(\'bHRz\').decode(\'utf-8\')
\'lts\'
>>> base64.b64decode(b\'bHRz\').decode(\'utf-8\')
\'lts\'
>>>