Python字符串的encode與decode

2019-11-08 00:50:52

字體：大中小

供稿：網(wǎng)友

首先要搞清楚，字符串在Python內(nèi)部的表示是unicode編碼. 因此，在做編碼轉(zhuǎn)換時，通常需要以unicode作為中間編碼，即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。 decode的作用是將其他編碼的字符串轉(zhuǎn)換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串轉(zhuǎn)換成unicode編碼。 encode的作用是將unicode編碼轉(zhuǎn)換成其他編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串轉(zhuǎn)換成gb2312編碼。在某些IDE中，字符串的輸出總是出現(xiàn)亂碼，甚至錯誤，其實是由于IDE的結(jié)果輸出控制臺自身不能顯示字符串的編碼，而不是程序本身的問題。如在Ulipad中運行如下代碼： s=u"中文" PRint s 會提示： UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。這是因為UliPad在英文WindowsXP上的控制臺信息輸出窗口是按照ascii編碼輸出的（英文系統(tǒng)的默認(rèn)編碼是ascii），而上面代碼中的字符串是Unicode編碼的，所以輸出時產(chǎn)生了錯誤。將最后一句改為：print s.encode('gb2312') 則能正確輸出“中文”兩個字。若最后一句改為：print s.encode('utf8') 則輸出：/xe4/xb8/xad/xe6/x96/x87，這是控制臺信息輸出窗口按照ascii編碼輸出utf8編碼的字符串的結(jié)果。另外，代碼中字符串的默認(rèn)編碼與代碼文件本身的編碼一致，如： s='中文' 如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進行編碼轉(zhuǎn)換，都需要先用decode方法將其轉(zhuǎn)換成unicode編碼，再使用encode方法將其轉(zhuǎn)換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統(tǒng)默認(rèn)編碼創(chuàng)建的代碼文件，在這篇文章中可以看到如何獲得系統(tǒng)的默認(rèn)編碼。如果字符串是這樣定義： s=u'中文' 則該字符串的編碼就被指定為unicode了，即python的內(nèi)部編碼，而與代碼文件本身的編碼無關(guān)。因此，對于這種情況做編碼轉(zhuǎn)換，只需要直接使用encode方法將其轉(zhuǎn)換成指定編碼即可。如果一個字符串已經(jīng)是unicode了，再進行解碼則將出錯，因此通常要對其編碼方式是否為unicode進行判斷： isinstance(s, unicode) #用來判斷是否為unicode

上一篇：python csv windows下寫文件有空行問題

下一篇：Python 格式限定符