字符串编码转换

自学python如何成为大佬(目录):https://blog.csdn.net/weixin_67859959/article/details/139049996?spm=1001.2014.3001.5501

最早的字符串编码是美国标准信息交换码，即ASCII码。它仅对10个数字、26个大写英文字母、26个小写英文字母及一些其他符号进行了编码。ASCII码最多只能表示256个符号，每个字符占一个字节。随着信息技术的发展，各国的文字都需要进行编码，于是出现了GBK、GB2312、UTF-8编码等。其中GBK和GB2312是我国制定的中文编码标准，使用一个字节表示英文字母，2个字节表示中文字符。而UTF-8是国际通用的编码，对全世界所有国家需要用到的字符都进行了编码。UTF-8采用一个字节表示英文字符、3个字节表示中文。在Python 3.X中，默认采用的编码格式为UTF-8，采用这种编码有效地解决了中文乱码的问题。

在Python中，有两种常用的字符串类型，分别为str和bytes。其中，str表示Unicode字符（ASCII或者其他）；bytes表示二进制数据（包括编码的文本）。这两种类型的字符串不能拼接在一起使用。通常情况下，str在内存中以Unicode表示，一个字符对应若干个字节。但是如果在网络上传输，或者保存到磁盘上，就需要把str转换为字节类型，即bytes类型。

说明：bytes类型的数据是带有b前缀的字符串（用单引号或双引号表示），例如，b'\xd2\xb0'和b'mr'都是bytes类型的数据。

str类型和bytes类型之间可以通过encode()和decode()方法进行转换，这两个方法是互逆的过程。

1  使用encode()方法编码

encode()方法为str对象的方法，用于将字符串转换为二进制数据（即bytes），也称为“编码”，其语法格式如下：

str.encode([encoding="utf-8"][,errors="strict"])

参数说明：

l  str：表示要进行转换的字符串。

l  encoding="utf-8"：可选参数，用于指定进行转码时采用的字符编码，默认为UTF-8，如果想使用简体中文，也可以设置为gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码。

l  errors="strict"：可选参数，用于指定错误处理方式，其可选择值可以是strict（遇到非法字符就抛出异常）、ignore（忽略非法字符）、replace（用“?”替换非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默认值为strict。

说明：在使用encode()方法时，不会修改原字符串，如果需要修改原字符串，需要对其进行重新赋值。

例如，定义一个名称为verse的字符串，内容为“野渡无人舟自横”，然后使用endoce()方法将其采用GBK编码转换为二进制数，并输出原字符串和转换后的内容，代码如下：

verse = '野渡无人舟自横'

byte = verse.encode('GBK')           # 采用GBK编码转换为二进制数据，不处理异常

print('原字符串：',verse)              # 输出原字符串（没有改变)

print('转换后：',byte)               # 输出转换后的二进制数据

上面的代码执行后，将显示以下内容：

原字符串： 野渡无人舟自横

转换后： b'\xd2\xb0\xb6\xc9\xce\xde\xc8\xcb\xd6\xdb\xd7\xd4\xba\xe1'

如果采用UTF-8编码，转换后的二进制数据为：

b'\xe9\x87\x8e\xe6\xb8\xa1\xe6\x97\xa0\xe4\xba\xba\xe8\x88\x9f\xe8\x87\xaa\xe6\xa8\xaa'

2  使用decode()方法解码

decode()方法为bytes对象的方法用于将二进制数据转换为字符串，即将使用encode()方法转换的结果再转换为字符串，也称为“解码”。语法格式如下：

bytes.decode([encoding="utf-8"][,errors="strict"])

参数说明：

l  bytes：表示要进行转换的二进制数据，通常是encode()方法转换的结果。

l  encoding="utf-8"：可选参数，用于指定进行解码时采用的字符编码，默认为UTF-8，如果想使用简体中文，也可以设置为gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码。

注意：在设置解码采用的字符编码时，需要与编码时采用的字符编码一致。

l  errors="strict"：可选参数，用于指定错误处理方式，其可选择值可以是strict（遇到非法字符就抛出异常）、ignore（忽略非法字符）、replace（用“?”替换非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默认值为strict。

说明：在使用decode()方法时，不会修改原字符串，如果需要修改原字符串，需要对其进行重新赋值。

例如，将5.2.1小节中的示例编码后会得到二进制数据（保存在变量byte中），要进行解码可以使用下面的代码：

print('解码后：',byte.decode("GBK"))  # 对进行制数据进行解码

上面的代码执行后，将显示以下内容：

解码后： 野渡无人舟自横