python 编码和解码

野性酷女 2022-06-06 09:54 214阅读 0赞

# unicode，utf-8什么关系 #

我们可以简单理解为，所有的字符图像存储在一个数据库中，计算机内存只能存储二进制，所以用二进制表示这些字符在数据库中的地址。这样我们就可以用二进制来表示字符了。unicode就是其中一种映射关系。unicode 是一种统称，旗下有分为UCS-2（16位），UCS-4（32位）。现在计算机操作系统内核都是拥抱UNICODE的，所以字符在内存中都是使用16位unicode码来表示的（16位不够用的时候，可能操作系统就集体更新32位unicode版本的内核了）。然而像英语一共就26个字母，用16位来存储是不是太小题大做了。所以就出现了utf-8这种映射关系。utf-8自动变换二进制长度来节省存储空间。

# 解码和编码 #

现在操作系统只认unicode的字符。我utf-8的字符它不认识怎么办，所以就出现了编码和解码的概念。以utf-8举例说明：把unicode字符变成utf-8就是编码，把utf-8变成unicode就是解码。其实解码和编码的本质就是寻找不同字符集之间二进制的映射关系。

## coding:utf-8 ##

下面这种预处理语句是干什么的呢

#coding:utf-8

这句话的意思是告诉python我使用的是UTF-8编码的.py文件的，所以python就会用UTF-8来解码.py文件 。当我们保存.py文件时默认时用utf-8保存的，如果我们用ASCII（8位）保存，就会出现如下错误

SyntaxError: Non-ASCII character

python 中的字符串可以用引号括起来。

'中文'
    "中文"
    '''中文'''

# python中的字符编码 #

python3是全面支持UNICODE的所以我们可以混合写中英文

>>> '中文AB'
    '中文AB'

python3.x给我们提供两种书写方式进行编码

1.  添加b前缀进行ASCII编码。注意不要加入中文

>>> b'ABC'
    b'ABC'
    >>> b'中文'
      File "<stdin>", line 1
    SyntaxError: bytes can only contain ASCII literal characters.

2.通过encode()方法制定编码

>>> 'ABC'.encode('ascii')
    b'ABC'
    >>> '中文'.encode('utf-8')
    b'\xe4\xb8\xad\xe6\x96\x87'
    >>> '中文'.encode('ascii')
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

# python中的字符解码 #

解码使用decode函数

>>> b'ABC'.decode('ascii')
    'ABC'
    >>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
    '中文'

# python2.x的unicode（可以不看） #

因为python的诞生比UNICODE 还早所以，python2的的字符都是ASCII

>>> '中文'
    	'\xd6\xd0\xce\xc4'
    	>>>

那么我们想用**UNICODE**表示字符串怎么办，python2.7中可以在字符串前加入一个u

>>> u'中文'
    u'\u4e2d\u6587'

现在我们可以看看如何编码一个字符串

>>> u'中文'.encode('utf-8')#编码成utf-8
    '\xe4\xb8\xad\xe6\x96\x87'

反过来呢？

'\xe4\xb8\xad\xe6\x96\x87'
    >>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')#UTF-8解码成UNICODE
    u'\u4e2d\u6587'