python笔记6

1、字符串的编码和解码

字符串的编码和解码是涉及将文本数据转换为字节序列或将字节序列转换为文本数据的过程。在Python中，常用的编码和解码方法是通过字符串的 encode() 和 decode() 方法实现的。

编码（Encode）：

编码是将文本转换为字节序列的过程。在这个过程中，你需要选择一个字符集（例如UTF-8、UTF-16、ISO-8859-1等）来表示字符，并将文本按照该字符集进行编码。

text = "Hello, 你好"

# 使用 UTF-8 编码
encoded_bytes = text.encode('utf-8')
print(encoded_bytes)

在这个例子中，encode('utf-8') 将文本按照UTF-8字符集编码成字节序列。encoded_bytes 就是包含编码后数据的字节序列。

解码（Decode）：

解码是将字节序列转换为文本的过程。在这个过程中，你需要知道字节序列使用的字符集，然后使用相应的字符集进行解码。

# 使用 UTF-8 解码
decoded_text = encoded_bytes.decode('utf-8')
print(decoded_text)

在这个例子中，decode('utf-8') 将字节序列按照UTF-8字符集解码为文本。decoded_text 就是解码后的文本数据。

请注意，编码和解码的字符集需要一致，否则可能导致乱码或解码错误。UTF-8 是一种常用的字符集，特别适合处理包含多语言字符的文本数据。

如果你不指定字符集，默认使用的是系统默认字符集，但为了避免不同系统之间的差异，最好明确指定字符集。

# 使用系统默认字符集编码
encoded_bytes_default = text.encode()
print(encoded_bytes_default)

# 使用系统默认字符集解码
decoded_text_default = encoded_bytes_default.decode()
print(decoded_text_default)

replace,ignore,strict

在 Python 中，str.encode() 和 bytes.decode() 方法可以接受一个可选的参数，该参数用于指定在遇到编码或解码错误时的处理方式。这个参数就是 errors，它可以取不同的值，如 'replace'、'ignore' 和 'strict'，用于定义错误处理策略。

1. 'replace'：

   当遇到无法编码或解码的字符时，会用特殊的 Unicode 替代字符（通常是 U+FFFD REPLACEMENT CHARACTER）替代。这有助于防止由于字符集不兼容而导致整个编码或解码失败。

   text = "你好"
   encoded_text = text.encode('ascii', errors='replace')
   print(encoded_text)
   # 输出：b'??'
   

   在这个例子中，由于 ASCII 不支持中文字符，所以会用 ? 替代。

2. 'ignore'：

   在遇到无法编码或解码的字符时，会忽略这些字符而继续进行编码或解码。

   text = "你好"
   encoded_text = text.encode('ascii', errors='ignore')
   print(encoded_text)
   # 输出：b''
   

   在这个例子中，中文字符被忽略，所以结果为空字节。

3. 'strict'：

   这是默认的错误处理方式，当遇到无法编码或解码的字符时，会抛出 UnicodeEncodeError 或 UnicodeDecodeError 异常。

   text = "你好"
   try:
       encoded_text = text.encode('ascii', errors='strict')
   except UnicodeEncodeError as e:
       print(f"Error: {e}")
   

   在这个例子中，由于 ASCII 不支持中文字符，会引发 UnicodeEncodeError 异常。