最早的字符串编码是美国标准信息交换码,即ASCII码,他仅对10个数字,26个大写英文字母、26个小写英文字母及一些其他符号进行了编码。ASCII码最多只能表示256个符号,每个符号占一个字节。随着信息技术的发展,各国文字都需要进行编码,于是出现了GBK、GB2312、UTF-8编码等。其中GBk和GB2312是我国制定的中文编码标准,使用一个字节表示英文字母,2个字节表示中文字符。而UTF-8是我国通用的编码,对全世界所有国家用到的字符都进行了编码。UTF-8采用一个字节表示英文字符、3个字节表示中文。在Python3.X中。默认采用的编码格式为UTF-8,采用这种编码有效地解决了中文乱码的问题。
???在Python中,有两种常用的字符串类型,分别是str和bytes。其中str表示Unicode字符(ASCII码或者其他)bytes表示二进制数据(包括编码的文本)。这两种类型的字符串不能拼接在一起使用。通常情况下,str在内存中以Unicode表示,一个字符对应诺干个字节。但是如果在网络上传输,或者保存到磁盘上,就需要把str转换为字节类型,即bytes类型。
注:bytes类型的数据时带有b前缀的字符串(用单引号或者双引号表示)例如 b’xd2xb0’和’bmr’都是bytes类型的数据。
str类型和bytes类型之间可以通过encode()和decode()方法进行转换,这两个方法是互逆的过程。
???1.使用encode()方法编码encode()方法为str对象方法,用于将字符串转换为二进制数据(即bytes)也称为编码,其语法格式如下:
str.encode([encoding="utf-8"][,errors="strict"])参数说明:str:表示要进行转换的字符串encoding="utf-8":可选参数,用于指定进行转码时采用的字符编码,默认为UTF-8,如果想使用简体中文,也可以设置为gb2312。当只有一个参数时,也可省略前面的encoding=,直接写编码。errors="strict":可选参数,用于指定错误处理方式,其可选址值strict(遇到非法字符就抛出异常)ignore(忽略非法字符)、replace(用?替换非法字符)或 xmlcharrefreplace(使用xml的字符引用)等,默认为strict。
注:在使用encode()方法时,不会修改原字符串,如果需要修改原字符串,需要对其进行重新赋值。
例如:
verse=\\\'野渡无人舟自横\\\'byte=verse.encode(\\\'GBK\\\')print(\\\'原字符串:\\\',verse)print(\\\'转换后:\\\',byte)
???2.使用decode()方法 decode()方法为bytes对象的方法,用于将二进制转换为字符串,即将使用encode()方法转换的结果再转换为字符串,也称为“解码”,语法格式如下:
bytes.decode([encoding="utf-8"][,errors="strict"])参数说明:bytes:表示要进行转为二进制数据,通过是encode()方法转换后的结果。encoding="utf-8":可选参数,用于指定进行解码时采用的字符编码默认为utf-8,如果想使用简体中文,可以设置为gb2312。当只有一个参数时,可以省略前面的encoding=,直接写编码。
errors="strict":可选参数,用于指定错误处理方式,其可选址值strict(遇到非法字符就抛出异常)ignore(忽略非法字符)、replace(用?替换非法字符)或 xmlcharrefreplace(使用xml的字符引用)等,默认为strict。
注:在使用decode()方法时,不会修改原字符串,如果需要修改原字符串,需要对其进行重新赋值。
例如:上面示例中编码后得到的结果,在这里进行解码:
print(\\\'解码后:\\\',byte.decode(\\\'GBK\\\'))