python 编码方式总结

原创 2015年11月17日 20:35:54

python内部使用unicode编码):

>>> t='北京'

>>> t

'\xe5\x8c\x97\xe4\xba\xac'

   1)urllib.quote(t) 将t转换为16进制编码

      '%E5%8C%97%E4%BA%AC'

  urllib.unquote('%E5%8C%97%E4%BA%AC') 将16进制编码转换为内部编码

      '\xe5\x8c\x97\xe4\xba\xac'

   2)decode的作用是将其他编码的字符串转换成unicode编码

>>> s= t.decode('utf-8')

>>> s

u'\u5317\u4eac'

>>> w=t.encode('utf-8')

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 0: ordinal not in range(128)

>>> w=s.encode('utf-8')

>>> w

'\xe5\x8c\x97\xe4\xba\xac'

>>> q=s.encode('gb2312')

>>> q

'\xb1\xb1\xbe\xa9'

首先要搞清楚,字符串在Python内部的表示是unicode编码

因此,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码。 

decode的作用是将其他编码的字符串转换成unicode编码, 

如str1.decode('gb2312'),表示将gb2312编码的字符串转换成unicode编码。 

encode的作用是将unicode编码转换成其他编码的字符串, 

如str2.encode('gb2312'),表示将unicode编码的字符串转换成gb2312编码。 

在某些IDE中,字符串的输出总是出现乱码,甚至错误,其实是由于IDE的结果输出控制台自身不能显示字符串的编码,而不是程序本身的问题。 

如在UliPad中运行如下代码: 

s=u"中文

print s 

会提示: 

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。 

这是因为UliPad在英文WindowsXP上的控制台信息输出窗口是按照ascii编码输出的(英文系统的默认编码是ascii),而上面代码中的字符串是Unicode编码的,所以输出时产生了错误。 

将最后一句改为:print s.encode('gb2312') 则能正确输出中文两个字。 

若最后一句改为:print s.encode('utf8') 则输出:\xe4\xb8\xad\xe6\x96\x87, 

这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。 

另外,代码中字符串的默认编码与代码文件本身的编码一致, 

如: s='中文如果是在utf8的文件中,该字符串就是utf8编码,如果是在gb2312的文件中,则其编码为gb2312。这种情况下,要进行编码转换,都需要先用decode方法将其转换成unicode编码,再使用encode方法将其转换成其他编码。 

通常,在没有指定特定的编码方式时,都是使用的系统默认编码创建的代码文件,在这篇文章中可以看到如何获得系统的默认编码。 

如果字符串是这样定义: s=u'中文则该字符串的编码就被指定为unicode了,即python的内部编码,和代码文件本身的编码无关。 

因此,对于这种情况做编码转换,只需要直接使用encode方法将其转换成指定编码即可。 

如果一个字符串已经是unicode了,再进行解码则将出错, 

因此通常要对其编码方式是否为unicode进行判断:

版权声明:本文为博主原创文章,未经博主允许不得转载。

python 编码方式总结

python 编码方式总结(python内部使用unicode编码):     >>> t='北京' >>> t '\xe5\x8c\x97\xe4\xba\xac'    1)urllib.quot...

Python中关于decode、encode以及编码方式

一、先说说编解码问题编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码。str1.deco...

python编码方式

获得python系统默认编码 在Python代码中,普通字符串的编码方式与程序源文件编码方式一致的,而很多IDE在默认情况下,将程序源文件按照系统默认字符编码来保存的。 下面给出用Python...
  • s_jobs
  • s_jobs
  • 2012年09月26日 11:19
  • 1174

Python .format(),%格式化时,对字符串编码方式的影响

1、当标准字符串和Unicode字符串在表达式中混合用时,标准字符串将被自动转换为Unicode字符串。例如: s = "hello" t = u"world" w = s + t #w = ...

python中的文件编码方式

python的初学者一般会对python中的中文字符串的处理方式比较费解,本文将结合具体的实验解决大家的这一困惑。 一、源代码中的编码方式分析 先举一个简单的例子,创建一个名为test.py的文件,内...

python分词脚本 注意python对于中文的编码方式

# -*- coding: UTF-8 -*- import os,sys import re str2 = 'C:/Users/Hit/Desktop/文本/199801.txt' path =...

浅谈字符编码方式与python的中文编码(一)

浅谈字符编码方式与python的中文编码(一) 1、ANSI       最初,计算机中只存储西方人常用的一些字符,比如英文字母、常见符号、数字等,加起来也不超过128个。也就是说,一...
  • HK_JH
  • HK_JH
  • 2013年04月06日 18:39
  • 1149

关于java下的明确编码方式的文件读写操作总结

在java下主要通过file类来对文件进行操作! 一.创建文件 //创建一个文件对象,如: File f1=new File("E:\\test.txt"); //实实在在的创建一个文件 f1.cre...
  • wcy6340
  • wcy6340
  • 2013年08月01日 17:22
  • 995

编码方式总结

由于写文件上传的时候讲文件byte[]变成String进行截取,然后再将截取的字符串变成byte[],结果发现最后得到的文件变成这样: 正确的: 错误的: 对比发现 FFD8 ====》3...

【GBK、UTF-8、ISO8859-1】三种编码方式总结

在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同情况下,返回的东西不一样!      String.getBytes(String de...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:python 编码方式总结
举报原因:
原因补充:

(最多只允许输入30个字)