python中的编码和解码

python中的解码和编码

转载：https://www.cnblogs.com/shine-lee/p/4504559.html

在python中，编码解码其实是不同编码系统间的转换，默认情况下，转换目标是Unicode，即编码unicode→str，解码str→unicode，其中str指的是字节流

而str.decode是将字节流str按给定的解码方式解码，并转换成utf-8形式，u.encode是将unicode类按给定的编码方式转换成字节流str

注意调用encode方法的是unicode对象生成的是字节流，调用decode方法的是str对象（ 字节流 ）生成的是unicode对象，若str对象调用encode会默认先按系统默认编码方式decode成unicode对象再encode，忽视了中间默认的decode往往导致报错

自己写代码时只需记住str字节流调用decode，unicode对象调用

 

1 2 3

s  =  u '严' s print  type (s), s

第一行定义了一个unicode对象（不是utf8）

第二行会输出u'\u4e25'

第三行输出<type 'unicode'> 严

1 2 3

u  =  s.encode( 'utf8' ) u print  type (u),u

倘若这时我用s.encode('utf8')，则将s使用utf-8编码并将编码结果保存为字节流

第二行输出'\xe4\xb8\xa5'

第三行输出 <type 'str'> 涓

 

还有要注意的是，终端默认的编码格式是gbk， windows cmd中可以通过chcp查看以及改变，也可以到注册表修改终端默认编码（ HKEY_CURRENT_USER console或者powershell下的codepage），936为简体中文，65001为utf8，两者都可显示中文，但为了方便中文输入，我将其默认设为936

当调用print函数将内容格式化输出到终端时，会将unicode对象转换为终端的编码方式输出，如上面第一次print的结果是正常的，print utf8字节流时，终端按其默认gbk解码显示时就会出问题，这里恰巧'\xe4\xb8'为gbk下的“涓”

1 2	t  =  s.encode( 'utf8' ).decode( 'utf8' ) t

第二行会输出 u'\u4e25'

 

文件的编码格式

保存文本时也有编码格式，比如txt文件保存可选择则ASCII、utf8等，对py文件可在 前两行注明编码方式# -*- coding: UTF-8 -*-

在python中读取文件

1 2	fr =  open ( 'encode.py' , 'r' ) fstr =  fr.read()

只要记住fstr 是字节流，其他的操作参看上面即可

 

注：以上操作均在cmd或powershell下完成，在python自带的解释器下会有问题，s=u'你好'，然后s，显示的虽然是unicode对象，但是编码却是gbk的而不是unicode