python字符串编码转换

Posted 2022-11-21 liangxiyang

假设读者已经了解了什么叫字符集，什么叫编码，什么叫解码。

首先要明确，虽然有三种前缀（无前缀，前缀u，前缀b），但是字符串的类型只有两种（str，bytes），实验如下：

                          

根据程序以及以上运行结果，发现无前缀，和前缀u，构造出来的字符串常量，是一样的。

类型一样是str，长度一样是3，==判断也是返回true。is判断也是返回true。

其实，这里是因为，python3中，字符串的存储方式都是以Unicode字符来存储的，所以前缀带不带u，其实都一样。

结论：字符串常量，前缀带不带u，都是一样的。

 

不管是utf-8，还是gbk，都可以理解为一种对应关系（若干个十六进制数<——>某个字符）：

            

所以可以发现任何str类型的字符串，在经过encode(‘utf-8‘)后，就是通过utf-8这种编码解码方式（两种方向），将Unicode字符转换为对应的以字节方式存储的若干十六进制数。

根据如上程序以及结果，可以发现，utf-8用三个十六进制来表示一个中文字符，而gbk用二个十六进制来表示一个中文字符。

结论：encode()函数根据括号内的编码方式，把str类型的字符串转换为bytes字符串，字符对应的若干十六进制数，根据编码方式决定。

 

既然知道了，str实际存储的是Unicode字符，那么也可以Unicode编码来存储str，形如\u1234：

发现\u后面跟四个十六进制数，就可以代表一个Unicode字符，同样的，前缀带不带u都一样。

          

结论：str类型的字符串，每个字符用字符本身或者\u1234，来表示都可以，后者则是直接是Unicode编码。但打印时都是打印字符本身。

 

bytes字符串的组成形式，必须是十六进制数，或者ASCII字符：

 

提示错误：bytes只能包含ASCII字符。

在打印bytes字符串时，某些正常字符和一些转义字符可以打印出来，比如：字母数字和‘\n’换行符。别的就只能以原来的方式存在。

 

还可以对bytes取索引，所以这里bytes也可以用for循环来迭代了，因为也是可迭代对象。

取索引，将所在元素的数，转换为十进制数。

代码：

oath = ‘我爱妞‘
print(type(oath))
print(len(oath))
 
oath1 = u‘我爱妞‘
print(type(oath1))
print(len(oath1))
 
print(oath==oath1)
 
 
utf8 = oath.encode(‘utf-8‘)
print(type(utf8))
print(len(utf8))
print(utf8)
 
gbk = oath.encode(‘gbk‘)
print(type(gbk))
print(len(gbk))
print(gbk)
 
 
out = open(‘test.txt‘,‘w‘,encoding = ‘utf-8‘)
 
test = u‘\u5220\u9664‘
print(len(test))
print(test)
test1 = test.encode(‘utf-8‘)
print(test1)
print(type(test1))
 
out.write(test)
out.close()

版权声明：本文为CSDN博主「anlian523」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/anlian523/article/details/80504699