python中的encode_python的decode()与encode()详解

1.decode()

bytes.decode(encoding=“utf-8”, errors=“strict”)

1.这个函数是bytes类型数据调用的，字符串str类型是不能够调用的。(好多文章说字符串也可以调用该函数，我是真搞不懂。)

2.该函数返回字符串。换句话说是bytes类型转化成str类型的函数。

3.encoding规定解码方式。bytes数据是由什么编码方式编码的，该函数encoding参数就必须用相应解码方式，这样才能返回正确字符串。解码后的字符串自动转为unicode编码方式。

4.errors参数默认为strict，即解码错误后引起异常发生。其他参数值为ignore,replace等。

2.encode()

str.encode(encoding=“utf-8”, errors=“strict”)

参数含义同上。这个函数将字符串转化成相应编码方式的字节形式。对于ASCII字符(数字，英文，部分标点符号)而言，不同编码方式编码后的字节是一样的。但是对于中文来说，编码后的字节不一样。

3.转码

例如，我有一个中文网站，网站编码方式为gb2312，我通过requests请求后要将网页打印出来。但是python内部是unicode编码的，直接response.text肯定会返回乱码。

import requestsurl_all='https://wwwcom/'header_all={ 'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36', 'upgrade-insecure-request': '1',}def get_classification_urls(url,headers): try: response=requests.get(url,headers=headers,timeout=10) if response.status_code==200: print(response.text)) except Exception as e: print(e)1

2

3

4

5

6

7

8

9

10

11

12

131

2

3

4

5

6

7

8

9

10

11

12

13

如下图，果然乱码

这时就需要正确解码，即将gb2312解码为unicode(utf-8).我们可以这样：

1.先获取编码的二进制格式，该格式为gb2312编码的二进制： bytes=response.content11

2.将二进制格式通过decode()函数解码为utf-8格式：

bytes.decode(encoding='gb2312')11

decode()函数是bytes类型转str类型，这样就能够返回正确的字符串了且为utf-8格式。有人会问，这里明明encoding=“gb2312”，为何最后是utf-8字符串呢？

切记：这里的encoding指的是需要转化这个数据的编码方式，不是目标编码方式。不论什么编码方式的二进制数据，通过decode函数后，统一编成utf-8编码格式。因为utf-8格式是python里面的标准，就跟所有的币种都要转化成美元才能流通一样。

当然，这个例子即使通过gb2312解码，仍然是乱码。原因可能是原网页含有gb2312不能识别的字符(虽然gb2312是为中国文字服务的，但是有些少数名族的字符也属于中国文字，但是并没有包含在gb2312内)。后来为了扩充编码，由在gb2312基础上增加了gbk和gb18030编码，二者范围更广。事例用gb18030即可正确解码。