python中的编码与解码

date: 2021-06-12title: Python中的编码与解码 #标题
tags: python #标签
categories: python # 分类

我们知道，最早的字符串编码是ASCII编码，它仅仅是对10个数字、26个大小写英文字母以及一些特殊符号进行了编码。ASCII码最多只能表示256个符号，每个符号只需要占用1个字节。

随着计算机的发展，各国的语言都需要进行编码，于是相继出现了GBK、GB2312、UTF-8编码等，其中GBK和GB2312是我们中文编码标准，规定英文字符占用1个字节，中文字符占用两个字节；而UTF-8是国际通过的编码格式，它包含了全世界所有国家都需要用到的字符，其规定英文字符占用1个字节，中文字符占用3个字节。

Python 3 默认采用UTF-8编码格式，有效的解决了中文乱码问题。

在python中，有2中常用的字符串类型，分别为str和bytes类型，其中str用来表示Unicode字符，bytes用来表示二进制数据。str类型和bytes类型之间就需要使用encode（）和decode（）方法进行转换。

encode（）方法

encode（）方法为字符串类型str提供的方法，用于将str转换成bytes类型，这个过程也被称为“编码”。

encode（）方法的语法格式如下：

str.encode([encoding="utf-8"][,errors="strict"])
'''
注意：格式中用方括号[]括起来的参数为可选参数（正常写的时候不要加[]括号哦），
也就是说，在使用此方法时，可以使用[]中的参数，也可以不使用。
'''

该方法各个参数的含义如下所示：

注意，使用 encode() 方法对原字符串进行编码，不会直接修改原字符串，如果想修改原字符串，需要重新赋值。

encode方法示例

# 将str类型字符串转换成bytes类型
str = '我在学习写Python'
print(str.encode())
# 上面那种方式默认采用utf-8编码，也可以手动指定其他编码格式，如：
str = '我在学习写Python'
print(str.encode('GBK'))
# 如果同时想用问号代替非法字符，可以这样写：
str = '我在学习写Python'
print(str.encode(encoding='GBK', errors='strict'))
# 打印结果如下：
b'\xe6\x88\x91\xe5\x9c\xa8\xe5\xad\xa6\xe4\xb9\xa0\xe5\x86\x99Python'
b'\xce\xd2\xd4\xda\xd1\xa7\xcf\xb0\xd0\xb4Python'
b'\xce\xd2\xd4\xda\xd1\xa7\xcf\xb0\xd0\xb4Python'

decode（）方法

和encode（）方法正好相反，decode（）方法用于将bytes类型的二进制数据转换为str类型，这个过程也被称为“解码”。

decode（）方法的语法格式如下：

bytes.decode([encoding="utf-8"][,errors="strict"])

同encode（）方法一样，方括号[ ] 中的参数非必须。

该方法中参数的含义如下所示：

使用示例

str='我在学习写Python'
bytes=str.encode()
print(bytes.decode())
# 输出如下：
我在学习写Python
# 注意：如果编码时不是默认的UTF-8编码，则解码是需要选择和编码时一样的格式
# 否则会抛出异常，如下：
str='我在学习写Python'
bytes=str.encode('GBK')
print(bytes.decode('utf-8'))
# 异常如下：
Traceback (most recent call last):
  File "F:/software/llvjianzhao_python/python_demo/demo_01.py", line 761, in <module>
    print(bytes.decode('utf-8'))
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xce in position 0: invalid continuation byte
# 但如果是编码使用utf-8，那么也可以使用gbk解码
# 只是会有乱码而已
str='我在学习写Python'
bytes=str.encode('utf-8')
print(bytes.decode(encoding='GBK'))
# 打印如下：
鎴戝湪瀛︿範鍐橮ython