Python3 字符编解码

什么是字符编解码

• 编码：根据编码格式将人类认识的字符转为字节流。
• 解码：根据编码格式将字节流转为人类认识的字符。

Python3 中的字符编码

• utf-8为Python3的默认编码格式，可通过以下语句查看：

  import sys
  print(sys.getdefaultencoding())
  

• Python中使用方法encode来进行字符串的编码：

  foo_str = '我丢你'
  # encode 方法将人类认识的字符串 我丢你 转换成了字节流
  foo_bytes = foo_str.encode('utf-8')
  # 输出为 b'\xe6\x88\x91\xe4\xb8\xa2\xe4\xbd\xa0' <class 'bytes'>
  print(foo_bytes, type(foo_bytes))
  
  # 方法 ord 可以获得字符的 unicode 编码，
  print(ord('我'))  # 29228
  # 方法 chr 可以将 unicode 编码转为字符
  print(chr(25105))  # 我
  

Python3 中的字符解码

• Python中使用方法decode来进行字节流的解码：

  foo_bytes = b'\xe6\x88\x91\xe4\xb8\xa2\xe4\xbd\xa0'
  # decode 方法将字节流转换成了人类认识的字符串 我丢你
  print(foo_bytes.decode('utf-8'))
  

乱码

• 如果编码和解码格式不一致，就会出现乱码问题，例如：

  foo_str = '我丢你'
  # 使用 utf-8 进行编码
  foo_bytes = foo_str.encode('utf-8')
  # 输出为 b'\xe6\x88\x91\xe4\xb8\xa2\xe4\xbd\xa0' <class 'bytes'>
  print(foo_bytes, type(foo_bytes))
  
  # 使用 gbk 进行解码，会出现以下错误:
  # 'gbk' codec can't decode byte 0xa0 in position 8: incomplete multibyte sequence
  print(foo_bytes.decode('gbk'))