pyhton编码解码理解

布满荆棘的人生 2021-11-16 06:46 298阅读 0赞

先放学习链接，看了这几篇博客，感觉还是有收获的：

[https://www.cnblogs.com/linjiqin/p/3674825.html][https_www.cnblogs.com_linjiqin_p_3674825.html]

[https://blog.csdn.net/can0227/article/details/83240705][https_blog.csdn.net_can0227_article_details_83240705]

[https://blog.csdn.net/liuchunming033/article/details/52223612][https_blog.csdn.net_liuchunming033_article_details_52223612]

**编码解码是怎么一回事，到底是怎么变来变去的？**

Python 里面的编码和解码也就是 unicode 和 str 这两种形式的相互转化。

而str形式呢，就是字符串形式，它都是以一定的编码格式存在的。常见的编码格式有utf-8、ASCII、gb2312等等，由此可见，肉眼见到的 str 形式一般是看不出来什么编码的哦。

unicode 感觉就单纯很多了，他就是unicode

所以： 编码就是 unicode -> str，解码就是 str -> unicode，先大体有这么个概念吧。

**具体语法是怎么写呢？**

不同编码格式的字符串之间相互转换编码格式的话，都要**先解码成unicode**，**再编码成其他编码格式的字符串**。 **如果直接将 str encode的话他会先按照默认的编码方式解码再编码**

如str1是gb2312编码的，将str1转成utf-8编码的字符串，需要这么做：  str1.decode(‘gb2312’).encode(‘utf-8’)。

sys.defaultencoding指明了默认的字符串解码方式。即在解码时没有明确指明解码方式的时候使用。比如字符串默认的解码方式为“utf-8”， str1是gb2312 编码的， str2是utf-8编码的，那么对于str1.decode() 和 str2.decode()， str2就能解码成功，但是str1不可以。

**练习：**

#! /usr/bin/env python 
    # -*- coding: utf-8 -*- 
    s = '中文'  # 这里的 s 是utf-8编码的字符串类型
    s.encode('gb18030')

上面一段代码第二行就指明了该py文件里面的字符串默认编码格式是utf-8的，所以s这个字符串就是utf-8编码的字符串。

第4句代码将 s 重新编码为 gb18030 的格式，即进行 unicode -> str 的转换。因为s本身就是 str 类型的，因此 Python 会自动的先将 s 解码为 unicode，然后再编码成 gb18030。

而当对s进行解码的时候，我们没有指明解码方式，python 就会使用 sys.defaultencoding 指明的方式来解码。很多情况下 sys.defaultencoding 是ANSCII，如果 s 不是这个类型就会出错。

⚠️注意：从这里我才意识到 原来第二行声明的：coding：utf-8 和 sys.defaultencoding 并不是一样的呢！！！coding 指的应该是字符串的编码， 而sys那个指的是解码的时候默认给你选择的类型，只有两个一样时才会成功，不一样就 GG 啦！

有两种办法改正：

1. 现将 s 指明解码方式解码后再编码。s.decode('utf-8').encode('gb18030')

2. 改变默认编码方式后再编码，加上 sys.setdefaultencoding('utf-8')后， 再运行 s.encode('gb2312')便可以成功

**延伸1：**

python2 中字符串的默认编码为 ASCII ， python3中字符串的默认编码为 unicode

python2 默认解码为ASCII， python3中默认解码为 utf-8

所以在python3中字符串就是unicode了，直接编码就可以了。至于在终端下为什么不会直接展示字符，而是展示类似于 b'\\xb9\\xfe\\xb9\\xfe'， 那就和你的电脑本身的编码有关了。

在终端下输入 locale ， 我的电脑显示 LANG="zh\_CN.UTF-8" ，说明我的电脑展示就是用的 utf-8 编码，所以不能正常展示 gb2312 的编码

**延伸2:**

str典型编码类型：gbk，utf8; 表现形式：\\xc4\\xe3\\xba\\xc3。

而看到类似于\\u4f60，就需要明白，这个是中文的unicode编码或者说是unicode表示，未经具体的utf8或gbk编码 。

转载于:https://www.cnblogs.com/mlllily/p/11243996.html

[https_www.cnblogs.com_linjiqin_p_3674825.html]: https://www.cnblogs.com/linjiqin/p/3674825.html
[https_blog.csdn.net_can0227_article_details_83240705]: https://blog.csdn.net/can0227/article/details/83240705
[https_blog.csdn.net_liuchunming033_article_details_52223612]: https://blog.csdn.net/liuchunming033/article/details/52223612