python3的字符串编码问题

python3的字符串编码问题

在Python3中，有两种默认的字符编码类型，bytes和str。str表示字符Unicode字符，在Python命令行中，Unicode字符会默认的转换成可显示的字符串格式，而不会显示其本身的二进制码。我们直接用单引号或者双引号定义的字符串就是str类型

我们可以通过ord函数获取其对应的十进制数字，并通过char方法获取对应的Unicode字符。如果我们知道其十六进制代码，我们还可以直接通过十六进制代码定义字符串其格式为\uxxxx：

c='好'
d = ord(c)
chr(d)
print(d)
hex(d)

bytes表示字符在某种编码下的二进制码，如果知道某个字符串在某个字符编码下的二进制码，我们可以直接使用b’\uxxxx’的形式来定义bytes二进制码，与str类型的字符串相比，前面多了一个字母b，表示其类型为bytes。

str类型的字符串可以通过encode方法转换为bytes二进制码，同样bytes二进制码可以通过decode方法转换为str类型的字符串：

c='hello'
d = c.encode('unicode escape')
d.decode('unicode escape')
print(d)

读取文件和网络资源的时候，是bytes对象，需要先解码，就是执行decode，如果我们不确定当前文件的字符编码，我们可以使用chardet.detect获取对应的字符编码：

import chardet
a = b'hello,world'
print(a)
charset = chardet.detect(a)
print(charset)
b = a.decode(charset['encoding'])
print(b)

文件写入时的字符编码：在文件写入时，我们只能写入bytes对象，因此，我们需要将str对象以utf-8编码编码成bytes对象，再进行存储。