python中字符串中文乱码_Python字符串开头的b"、u"、r"与中文乱码

先看几个常见的中文乱码：s = u'More更多请关注我'print('--encoded---')

print('【utf-8】', bytes(s, encoding='utf-8'))

print('【utf-16】', bytes(s, encoding='utf-16'))

print('【gbk】', bytes(s, encoding='gb2312'))

print('【unicode-escape】', bytes(s, encoding='unicode-escape'))

print('--decoded--')

print('【utf-8=>utf-8】', s.encode('utf-8').decode('utf-8'))

print('【utf-8=>utf-16】', s.encode('utf-8').decode('utf-16'))

print('【utf-8=>ISO-8859-1】', s.encode('utf-8').decode('ISO-8859-1'))

print('【gbk=>ISO-8859-1】', s.encode('gbk').decode('ISO-8859-1'))

运行得到:

image.png

仔细看一下，找到下面两个规律：要么是上面encode编码后的\...\...\...，要么是错误解码decode之后的乱码。

除了两个最后输出utf-16的，其他的都能正常显示英文More。

u'和b'

第一行我们用了u'More...'，这个u是可以省略的，在python3里面所有字符串默认都是utf-8编码解码的，这个u就是指示要用utf-8编码，所以可省略。

上面四个encoded输出的开头都有b'...'开头，因为代码里面是bytes(s,...)，bytes是字节，字符串可以用很多种编码方式变为字节，就像密码电报一样，同一个信息可以用不同的算法加密成各种不同的乱码，如果你不知道是什么编码的，你就读不出。python2中只有字节形式的字符串，没有u'开头的utf-8编码的，所以python3才发明了b'开头这种表示字节的方法，兼容旧版本。

字符串经过特定的方式编码coding成为字节，然后再通过正确的方式也可以把字节还原为字符串。关键就是要知道原来的编码方式

.encode('utf-8').decode('utf-8')这句当然看起来没毛病，所以也输出了正确的文字。

而后面s.encode('utf-8').decode('utf-16')这种就不正常了，编码encode方式和decode解码方式不一样，就导致了乱码。

解决乱码问题

首先要想办法知道或者实验出原来是什么编码的，你可以对照上面输出的代码进行猜测。

如果是很多斜杠的bytes，那么就直接尝试不同的decode：s=b'More\xe6\x9b\xb4\xe5\xa4\x9a\xe8\xaf\xb7\xe5\x85\xb3\xe6\xb3\xa8\xe6\x88\x91'print(s.decode('utf-8'))

如果是被错误解码的乱码，那么就尝试反向encode再decode就能还原：#乱码来自s.encode('gbk').decode('ISO-8859-1')s='More¸ü¶àÇë¹Ø×¢ÎÒ'.encode('ISO-8859-1').decode('gbk')print(s)

r' 强制不转义

先看下这个问题：s1=r'.\folder\new.file's2=b'.\folder\new.file's3=u'.\folder\new.file'print('r:',s1)

print('b:',s2)

print('u:',s3)

它的输出是这样的，你肯定猜不到：

image.png

为什么会是这样？只有r开头的正常。

我们都知道代码里面字符串要用引号包裹，那么字符串里面要是也有引号怎么办？换行怎么办？

编程语言会用特殊方法来表示这些特殊符号，叫做转义字符。比如\n表示回车换行，\f表示换页，\"表示双引号，\'标示单引号...

那么真的遇到了\n怎么办？就像上面那个情况，b'把f编码成了\x0,而u'直接把\f弄没了，\n变成了回车...

为了避免这种情况，就有了r'强制不转义，优点是明显的，不会乱变，缺点也是有的，那就不能真的显示回车换行了啊。

一般在目录地址和正则表达式中我们常用r'避免混乱。

作者：zhyuzh3d

链接：https://www.jianshu.com/p/220ee0f219c6