Python：编码与解码和转义字符

Python里面的字符一般默认为Unicode字符，属于str类型；而编码则是将字符转换成字节流的过程，反之解码是将字节流解析为字符的过程。

所谓的字节流，在pyhton里面，属于bytes类型。

1. python有两种方式实现编码和解码：

encode 和 decode 方法：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，decode反之。

b = '龙'.encode('utf-8')   # '龙'：unicode字符，encode进行 utf-8 编码
print('b:',b)  #  开头的 b 字符表示bytes类型
print(type(b))   #类型是'bytes'

d = b.decode('utf-8')  #解码
print('d:',d)
print(type(d))

运行效果：

str 和 bytes 方法

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
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！
'''
ss = bytes('龙', encoding='utf-8')   # 编码
print('ss:',ss)
print(type(ss))

cc = str(ss, encoding='utf-8')   # 解码
print('cc:',cc)
print(type(cc))

运行效果：

求编码的字节长度，可以通过 len() 函数 对bytes类型的编码求长度得到：

print(len(b))  #编码的字节数，3个字节编码，因为b就是字节类型 bytes，此时为b：b'\xe9\xbe\x99'

其中，Unicode与UTF-8的关系可见。

2.bytes函数：

class bytes([source[, encoding[, errors]]])—— 返回一个新的 bytes 对象，该对象是一个 0 <= x < 256区间内的整数不可变序列。

参数

• 如果 source 为整数，则返回一个长度为 source 的初始化数组；
• 如果 source 为字符串，则按照指定的 encoding 将字符串转换为字节序列；
• 如果 source 为可迭代类型，则元素必须为[0 ,255] 中的整数；
• 如果 source 为与 buffer 接口一致的对象，则此对象也可以被用于初始化 bytearray。
• 如果没有输入任何参数，默认就是初始化数组为0个元素。

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
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！
'''
ss = bytes('龙', encoding='utf-8')   # 字符串
print('ss:',ss)
print(type(ss))

s2 = bytes(12)   # 整数
print('ss:',s2)

s3 = bytes([12,3])   # 可迭代类型，元素必须为[0 ,255] 中的整数；
print('s3:',s3)
s4 = bytes('what?', encoding='utf-8')   # 字符串，英文print('s4:',s4)

运行效果：

3. 乱码：

因为字符串等都是经过某一编码方式编码的，所以如果解码的时候并不是对应的编码方式，则很容易出现乱码；此时就需要使用对应的编码方式解码。

（1）如果结果是一堆bytes类型的：\x..\x..\x..，则可以直接decode，通过相应的编码方式，例如decode('utf-8')

（2）如果是由于解码和编码的方法不一致，则反向先编码再解码即可，例如：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
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！
'''
nn = '龙在天下'.encode('gbk')
mm = nn.decode('ISO-8859-1')
print('mm:',mm)   #乱码

kk = mm.encode('ISO-8859-1').decode('gbk')  # 对乱码反向解码
print('kk:',kk)

运行效果：

不过一般情况下，会直接报错，例如gbk和utf-8混用时会出现：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc1 in position 0: invalid start byte。

最重要的是：编码和解码的方法最好一致。

4. 转义字符：

遇到特殊字符的时候需要用到转义字符，就像不能直接用class来做变量一样，python中的转义字符主要如下：
所以上面经常遇到类似：b'\xe9\xbe\x99'，其中 b 表示bytes类型，\x 其实表示十六进制值。