【Python】python3编码方式encode介绍

朱雀 2023-06-17 15:53 108阅读 0赞

上一篇文章介绍了[计算机编码发展历史和编码方式][Link 1]，现在我们聚焦到python语言中，在最新的Python3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言。例如：

print('我喜欢 computer'.encode('utf-8'))

解释：print函数输出的这句话在python里是使用Unicode编码的（当然它此时也在内存中，因为它现在正被加载着...）

*  打印结果：b'\\xe6\\x88\\x91\\xe5\\x96\\x9c\\xe6\\xac\\xa2 computer'

看这个输出十分有趣，首先，输出是以b开头的，说明这是一段bytes。有没有想起上篇文章说过的utf-8是向下兼容ASCII码的？  
你看输出中的英文computer就被原样输出，而ASCII码不能识别的中文，则用utf-8编码方式来表示，如\\xe8,\\x88等等。  
那Unicode编码方式用得好好的，可以直接混合输出英文和中文等多种语言，换成utf-8输出字符只有英文能让我们看懂，中文变成了难以分辨的十六进制（\\xe8\\xbf\\x99\\xe5\\x8f\\xa5\\xe8...），我们为什么还要有utf-8编码方式呢？  
想到这个问题说明你已经get到点了。你想，utf-8编码方式的优点是什么？  
就是省内存啊  
那么，由于Python的字符串类型是str，在内存中以Unicode编码的，一个字符对应若干个字节。  
如果要在网络上传输，或者保存到磁盘上，就需要把Unicode编码的str变为以字节为单位的bytes，而通过utf-8编码或者ASCII码编码生成的结果就是以字节为单位的bytes。  
这句话这么长无非就重复一个观点：

*  python中的str是以Unicode编码的，如果要在网络上传输，或者保存到磁盘上，就得转换为utf-8编码方式。

再举个例子：

print('I love computer'.encode('ascii'))

*  打印结果：b'I love computer'

解释：由于'I love computer'是纯英语，所以可以用ASCII编码。  
再看：'I love computer'和'b'I love computer''有什么不同？没错，多了一个b。这个b大有玄妙之处：  
'I love computer'是python中的str,是以Unicode方式编码的。  
'b'I love computer''也是python中的str，但它是以ASCII码编码的。  
同样用utf-8编码打印结果是一样的，（ASCII编码实际上可以被看成是UTF-8编码的一部分）  
好了，前面是对纯英文的str进行编码，那对中文的str编码呢？可以对中文的str进行utf-8编码，可以进行ASCII码编码吗？

print('我喜欢 computer'.encode('ascii'))

报错：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

str_en = 'I love computer'
    str_cn = '我喜欢 computer'
    bytes_e = b'I love computer'
    bytes_c = b'\xe6\x88\x91\xe5\x96\x9c\xe6\xac\xa2 computer'
    #bytes_cm = b'我喜欢 computer'   # bytes can only contain ASCII literal characters.
    
    # bytes方法进行编码
    def bytes_sample():
        bytes_en_by = bytes(str_en, encoding='utf_8')
        bytes_cn_by = bytes(str_cn, encoding='utf_8')
        print('纯英文字符串转换为bytes：',bytes_en_by)
        print('含中文字符串转换为bytes：',bytes_cn_by)
    
    # 编码
    def encode_sample():
        bytes_en = str_en.encode('utf-8')
        bytes_cn = str_cn.encode('utf-8')
        bytes_en_as = str_en.encode('ascii')
        print('utf-8纯英文编码：',bytes_en)
        print('utf-8含中文编码：',bytes_cn)
        print('ascii纯英文编码：',bytes_en_as)
        #str_bytes= str.encode(str_cn)                   # 默认utf-8，等价于下面3个
        #str_bytes= str.encode(str_cn,'utf_8')
        #str_bytes= str.encode(str_cn,encoding='utf_8')
        str_bytes= str_cn.encode()
        print('str转成by含中文：',str_bytes)
        #bytes_cn_as = str_cn.encode('ascii')
        #print('ascii含中文编码,会报错：',bytes_cn_as)
    
    # 解码
    def decode_sample():
        str_e = bytes_e.decode('utf-8')
        str_c = bytes_c.decode('utf-8')
        str_a = bytes_e.decode('ascii')
        print('utf-8纯英文解码：',str_e)
        print('utf-8含中文解码：',str_c)
        print('ascii纯英文解码：',str_a)
    
    
    if __name__ == '__main__':
        encode_sample()
        #decode_sample()
        #bytes_sample()

注意：b后面加上字符串，可以自动转换为bytes类型，但是只针对ASCII类型

![20191129170710267.png][]

[Link 1]: https://blog.csdn.net/sinat_37967865/article/details/103311765
[20191129170710267.png]: https://img-blog.csdnimg.cn/20191129170710267.png