python 中文字符串 编码转换_Python合集之Python字符串编码转换

最早的字符串编码是美国标准信息交换码，即ASCII码，他仅对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，每个符号占一个字节。随着信息技术的发展，各国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是我国通用的编码，对全世界所有国家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Python3.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，分别是str和bytes。其中str表示Unicode字符(ASCII码或者其他)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，一个字符对应诺干个字节。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。

注：bytes类型的数据时带有b前缀的字符串(用单引号或者双引号表示)例如 b'\xd2\xb0'和'bmr'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：

str：表示要进行转换的字符串

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。

当只有一个参数时，也可省略前面的encoding=，直接写编码。

errors="strict"：可选参数，用于指定错误处理方式，其可选址值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，默认为strict。

注：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：

verse='野渡无人舟自横'byte=verse.encode('GBK')print('原字符串：',verse)print('转换后：',byte)

2.使用decode()方法

decode()方法为bytes对象的方法，用于将二进制转换为字符串，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：

bytes：表示要进行转为二进制数据，通过是encode()方法转换后的结果。

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，可以设置为gb2312。

当只有一个参数时，可以省略前面的encoding=，直接写编码。

errors="strict"：可选参数，用于指定错误处理方式，其可选址值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，默认为strict。

注：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：上面示例中编码后得到的结果，在这里进行解码：

print('解码后：',byte.decode('GBK'))

花絮：

本期的Python 字符串编码的转换就分享到这里，下期我们将继续分享Python字符串正则表达式的相关知识，感兴趣的朋友可以关注我。

同时也可以关注下我的个人 微信订阅号，园子里面的文章也会第一时间在订阅号里面进行推送跟更新。