Python encode()和decode()方法：字符串编码转换

- 日理万妓 2023-10-07 22:54 44阅读 0赞

![9f8381f04d00900d0893601179da7c1f.png][]

最早的字符串编码是 ASCII 编码，它仅仅对 10 个数字、26 个大小写英文字母以及一些特殊字符进行了编码。ASCII 码做多只能表示 256 个符号，每个字符只需要占用 1 个字节。

随着信息技术的发展，各国的文字都需要进行编码，于是相继出现了 GBK、GB2312、UTF-8 编码等，其中 GBK 和 GB2312 是我国制定的中文编码标准，规定英文字符母占用 1 个字节，中文字符占用 2 个字节；而 UTF-8 是国际通过的编码格式，它包含了全世界所有国家需要用到的字符，其规定英文字符占用 1 个字节，中文字符占用 3 个字节。

> Python 3.x 默认采用 UTF-8 编码格式，有效地解决了中文乱码的问题。

在 Python 中，有 2 种常用的字符串类型，分别为 str 和 bytes 类型，其中 str 用来表示 Unicode 字符，bytes 用来表示二进制数据。str 类型和 bytes 类型之间就需要使用 encode() 和 decode() 方法进行转换。

### Python encode()方法 ###

encode() 方法为字符串类型（str）提供的方法，用于将 str 类型转换成 bytes 类型，这个过程也称为“编码”。

encode() 方法的语法格式如下：

> str.encode(\[encoding="utf-8"\]\[,errors="strict"\])

注意，格式中用 \[\] 括起来的参数为可选参数，也就是说，在使用此方法时，可以使用 \[\] 中的参数，也可以不使用。

该方法各个参数的含义如表 1 所示。

表 1 encode()参数及含义

<table style="table-layout:fixed;width:28px;"> 
 <tbody> 
 <tr> 
 <td style="width:173px;vertical-align:top;height:52px;">参数</td> 
 <td style="width:501px;vertical-align:top;height:52px;">含义</td> 
 </tr> 
 <tr> 
 <td style="width:173px;vertical-align:top;height:52px;">str</td> 
 <td style="width:501px;vertical-align:top;height:52px;">表示要进行转换的字符串。</td> 
 </tr> 
 <tr> 
 <td style="width:173px;vertical-align:top;height:52px;">encoding = "utf-8"</td> 
 <td style="width:501px;vertical-align:top;height:52px;">指定进行编码时采用的字符编码，该选项默认采用 utf-8 编码。例如，如果想使用简体中文，可以设置 gb2312。当方法中只使用这一个参数时，可以省略前边的“encoding=”，直接写编码格式，例如 str.encode("UTF-8")。</td> 
 </tr> 
 <tr> 
 <td style="width:173px;vertical-align:top;height:52px;">errors = "strict"</td> 
 <td style="width:501px;vertical-align:top;height:52px;">指定错误处理方式，其可选择值可以是： 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">strict：遇到非法字符就抛出异常。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">ignore：忽略非法字符。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">replace：用“？”替换非法字符。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">xmlcharrefreplace：使用 xml 的字符引用。</li> 
 </ul>该参数的默认值为 strict。</td> 
 </tr> 
 </tbody> 
</table>

> 注意，使用 encode() 方法对原字符串进行编码，不会直接修改原字符串，如果想修改原字符串，需要重新赋值。

【例 1】将 str 类型字符串“CSDN社区”转换成 bytes 类型。

> >>> str = "CSDN社区"  
> >>> str.encode()  
> b'C\\xe8\\xaf\\xad\\xe8\\xa8\\x80\\xe4\\xb8\\xad\\xe6\\x96\\x87\\xe7\\xbd\\x91'

此方式默认采用 UTF-8 编码，也可以手动指定其它编码格式，例如：

> >>> str = "CSDN社区"  
> >>> str.encode('GBK')  
> b'C\\xd3\\xef\\xd1\\xd4\\xd6\\xd0\\xce\\xc4\\xcd\\xf8'

### Python decode()方法 ###

和 encode() 方法正好相反，decode() 方法用于将 bytes 类型的二进制数据转换为 str 类型，这个过程也称为“解码”。

decode() 方法的语法格式如下：

> bytes.decode(\[encoding="utf-8"\]\[,errors="strict"\])

该方法中各参数的含义如表 2 所示。

表 2 decode()参数及含义

<table style="table-layout:fixed;width:28px;"> 
 <tbody> 
 <tr> 
 <td style="width:189px;vertical-align:top;height:52px;">参数</td> 
 <td style="width:561px;vertical-align:top;height:52px;">含义</td> 
 </tr> 
 <tr> 
 <td style="width:189px;vertical-align:top;height:52px;">bytes</td> 
 <td style="width:561px;vertical-align:top;height:52px;">表示要进行转换的二进制数据。</td> 
 </tr> 
 <tr> 
 <td style="width:189px;vertical-align:top;height:52px;">encoding="utf-8"</td> 
 <td style="width:561px;vertical-align:top;height:52px;">指定解码时采用的字符编码，默认采用 utf-8 格式。当方法中只使用这一个参数时，可以省略“encoding=”，直接写编码方式即可。注意，对 bytes 类型数据解码，要选择和当初编码时一样的格式。</td> 
 </tr> 
 <tr> 
 <td style="width:189px;vertical-align:top;height:52px;">errors = "strict"</td> 
 <td style="width:561px;vertical-align:top;height:52px;">指定错误处理方式，其可选择值可以是： 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">strict：遇到非法字符就抛出异常。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">ignore：忽略非法字符。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">replace：用“？”替换非法字符。</li> 
 </ul> 
 <ul> 
 <li style="margin-left:1.4em;list-style-type:disc;text-indent:0;">xmlcharrefreplace：使用 xml 的字符引用。</li> 
 </ul>该参数的默认值为 strict。</td> 
 </tr> 
 </tbody> 
</table>

【例 2】

> >>> str = "CSDN社区"  
> >>> bytes=str.encode()  
> >>> bytes.decode()  
> 'CSDN社区'

注意，如果编码时采用的不是默认的 UTF-8 编码，则解码时要选择和编码时一样的格式，否则会抛出异常，例如：

> >>> str = "CSDN社区" 
> >>> bytes = str.encode("GBK") 
> >>> bytes.decode() \#默认使用 UTF-8 编码，会抛出以下异常 
> Traceback (most recent call last): 
> File "<pyshell\#10>", line 1, in <module> 
> bytes.decode() 
> UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd3 in position 1: invalid continuation byte 
> >>> bytes.decode("GBK") 
> 'CSDN社区'

[9f8381f04d00900d0893601179da7c1f.png]: https://img-blog.csdnimg.cn/img_convert/9f8381f04d00900d0893601179da7c1f.png