Python学习 Day18 字符串编码转换

字符串编码转换

（一）编码演进过程

（1）ASCII码：美国标准信息交换码

• 编码内容：10个数字，26个英文字母的大小写形式和其他一些字符
• ASCII码最多只能表示256个字符，每个字符占据一个字节

（2）GBK和GB2312：我国制定的中文编码标准

• 使用一个字节表示英文，两个字节表示汉字

（3）UTF-8：国际通用编码

• 对群世界所有国家需要用到的字符都进行了编码
• 用一个字节表示英文字符，三个字节表示中文字符
• 在Python3中默认使用UTF-8编码，很好地解决来中文乱码问题

（二）Python中常用字符串类型

（1）str：表示Unicode字符（ASCII编码或其他）
（2）bytes：表示二进制数据（包括编码的文本）

• 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 b’\xd2\xb0’ ，b’mr’

• 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，需要将str类型转换为bytes类型

• str和bytes之间通过encode()和decode()方法进行转换

（三）编码与解码

（1）使用encode()方法编码

• encode()方式：将str类型的字符串转换为二进制数据
• 语法：
• str.encode([encoding=‘utf-8’[,errors=‘strict’])
• str：表示要进行转换的字符串
• encoding=‘utf-8’：可选参数，用于指定进行编码时采用的字符编码，默认为UTF-8，也可使用其他编码，如简体中文（GB2312），当只有这一个参数时，可以只写编码
• errors=‘strict’：可选参数，用于指定错误处理方式，可选择值有：
• strict（默认）：遇到非法字符就抛出异常
• ignore：忽略非法字符
• replace：用“？”代替非法字符
• xmlcharrefreplace：使用XML的字符引用

verse='野渡无人舟自横'
#采用GBK编码转换为二进制数据，不处理异常
byte1=verse.encode('gbk')
#采用UTF-8编码转换为二进制数据，不处理异常
byte2=verse.encode('utf-8')
print('原字符串：',verse)
print('采用GBK编码转换后的字符串：',byte1)
print('采用UTF-8编码转换后的字符串：',byte2)

原字符串： 野渡无人舟自横
采用GBK编码转换后的字符串： b'\xd2\xb0\xb6\xc9\xce\xde\xc8\xcb\xd6\xdb\xd7\xd4\xba\xe1'
采用UTF-8编码转换后的字符串： b'\xe9\x87\x8e\xe6\xb8\xa1\xe6\x97\xa0\xe4\xba\xba\xe8\x88\x9f\xe8\x87\xaa\xe6\xa8\xaa'

进程已结束,退出代码0

---

（2）使用decode()方法解码

• decode()方法：用于将二进制数据转换为字符串，用于将encode()方法转换的结果再次转换为字符串
• 语法：
• bytes.decode([encoding=‘utf-8’[,errors=‘strict’])
• bytes：要进行转换的二进制数据，tongch是encode()方法转换的结果
• 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，也可使用其他编码，如简体中文（GB2312），当只有这一个参数时，可以只写编码
• errors=‘strict’：可选参数，用于指定错误处理方式，可选择值有：
• strict（默认）：遇到非法字符就抛出异常
• ignore：忽略非法字符
• replace：用“？”代替非法字符
• xmlcharrefreplace：使用XML的字符引用
• 注意：解码采用的字符编码，需要与编码时采用的字符编码一致

verse='野渡无人舟自横'
#采用GBK编码转换为二进制数据，不处理异常
byte1=verse.encode('gbk')
#采用UTF-8编码转换为二进制数据，不处理异常
byte2=verse.encode('utf-8')
#采用GBK编码解码为字符串数据，不处理异常
str1=byte1.decode('gbk')
#采用UTF-8编码解码为字符串数据，不处理异常
str2=byte2.decode('utf-8')
print('原字符串：',verse)
print('采用GBK编码转换后的字符串：',byte1)
print('采用UTF-8编码转换后的字符串：',byte2)
print('采用GBK编码解码后的字符串：',str1)
print('采用UTF-8编码解码后的字符串：',str2)

原字符串： 野渡无人舟自横
采用GBK编码转换后的字符串： b'\xd2\xb0\xb6\xc9\xce\xde\xc8\xcb\xd6\xdb\xd7\xd4\xba\xe1'
采用UTF-8编码转换后的字符串： b'\xe9\x87\x8e\xe6\xb8\xa1\xe6\x97\xa0\xe4\xba\xba\xe8\x88\x9f\xe8\x87\xaa\xe6\xa8\xaa'
采用GBK编码解码后的字符串： 野渡无人舟自横
采用UTF-8编码解码后的字符串： 野渡无人舟自横