Python中字符串编码的转换

bigegpt 2024-11-23 11:29 45 浏览

我是"学海无涯自学不惜！"，关注我，一同学习简单易懂的Python编程。

0基础学python（80）

在学习"计算字符串的长度"（详见第72节内容），对编码的概念、分类和作用，做过一个简单的介绍，今天的内容，还是从"编码"开始谈。

最早的字符串编码是ASCII码，是由美国国家标准学会(American National Standard Institute , ANSI )制定的，所以叫做"美国信息交换标准代码"，它的内容是这样的：

ASCII码只包括以上四种字符内容，并且最多只能表示256个字符。

1967年ASCII第一次以规范标准的类型发表以来，到今天它已经走过了53年的风雨历程，作为一种国际通用的西文字符编码标准，它的作用的不可忽视的，但随着技术的发展，由于ASCII码自身的局限性，它已逐渐被后起之秀-万国码"utf-8"所取代。

而在汉语环境下，最适合的编码标准，应该是我国制定的"GBK"和"GB2312"。

在Python中，常用的字符串类型有str和bytes两种。

str表示Unicode字符，就是包括ASCII码、utf-8码、GBK码、GB2312码之类的编码；

bytes表示的则是二进制数据，其中包括了编码的文本。

我们知道，机器语言本质上就是0和1组成的二进制语言，所以str和bytes字符在不能拼接的情况下，它们之间的转换就非常必要了，因为在储存和传输的时候，是必须要将str字符类型转换为bytes字节类型的。

今天就来学习如何str和bytes类型之间转换的方法。

1、在Python中，提供了encode()方法来将str转换为bytes类型，通称"编码过程"，它的语法格式是这样的：

str.encode(encoding="utf-8",errors="strict")

上面的str当然代表了要进行转换的字符；

方法关键字encode后面的小括号中可以包含两个可选参数，其间使用逗号","分隔；

第一个参数encoding="utf-8"，用来指定转码的时候所采用的字符编码，省略时默认为utf-8，当只用这一个参数时，可以直接用引号引用编码；

第二个参数errors="strict"，用来指定出错时的处理方式，省略时默认值为strict，而它的值分别是：strict=出现错误抛出异常、ignore=忽略错误、replace=使用"？"替换错误、xmlcharrefreplace=使用XML的字符引用。

谭嗣同就义时留下一首诗，其中两句："我自横刀向天笑，去留肝胆两昆仑。"，颇为大气磅礴！接下来就用这两句诗定义一个字符串，并分别采用"GBK"和"utf-8"编码转换为二进制编码输出，详见下图：

观察上面的结果，发现采用"utf-8"编码转换为二进制后要比采用"GBK"的长，这是因为，"GBK"编码中汉字占两个字节，"utf-8"编码中汉字占三个字节。

至于encode()方法的第二个参数，一般情况下使用默认值处理，现在就不赘述了。

2、使用decode()方法将二进制的bytes类型转换为str类型，通称"解码过程"，它的语法格式下面这样的：

bytes.decode(encoding="utf-8",errors="strict")

可以看到，这个语法格式和参数和encode()方法的基本一致，事实上参数的内容也是一样的，因为这两种方法事实上就是一种相互逆转的过程，所以直接用代码实例就能说明，详见下图：

注意：在解码过程中采用的字符编码，要和编码过程中采用的字符编码保持一致。如同上面的实例一样，编码时采用"GBK"，解码时依然采用"GBK"，否则就会出现异常，详见下图：

在使用decode()方法时，还有一点要注意的是：原字符串不会被修改。如果想修改原字符串，只能通过重新赋值。

以上就是普通字符串和二进制编码之间互相转换的方法。各位朋友还能看的入眼吗？

感谢大家一直以来的支持，明天奉上的是"正则表达式"的内容，敬请拭目以待。

为自己加油，我是"学海无涯自学不惜！"