对于encode和decode,笔者也是根据自己的理解,有不对的地方还请多多指点。
当前主流的编码格式:
-
ASCII码
其最多只能用 8 位来表示(一个字节),即:2**8 = 256-1,所以,ASCII码最多只能表示 255 个符号。
-
GB2312
GB2312就是在ASCII基础上的简体汉字扩展,GB2312(1980年)一共收录了7445个字符
-
GBK
GBK是对GB2312的进一步扩展(K是汉语拼音kuo zhan(扩展)中“扩”字的声母), 收录了21886个汉字和符号,完全兼容GB2312。
- GB18030
GB18030收录了70244个汉字和字符,更加全面,与 GB 2312-1980 和 GBK 兼容
- Unicode(可以代表所有字符和符号的编码)
Unicode(统一码、万国码、单一码)是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的,它为每种语言中的每个字符设定了统一并且唯一的二进制编码,规定虽有的字符和符号最少由 16 位来表示(2个字节),即:2 **16 = 65536, 注:此处说的的是 最少2个字节,可能更多。
UTF-8,是对Unicode编码的压缩和优化,他不再使用最少使用2个字节,而是将所有的字符和符号进行分类:ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存,东亚的字符用3个字节保存... 所以,python解释器在加载 .py 文件中的代码时,会对内容进行编码(默认ascill)
编码的理解(Encode):
字符串通过编码转换为字节,str--->(encode)--->bytes,编码时需要把编码格式传给encode方法。
解码的理解(Encode):
字节通过解码转换为字符串,bytes--->(decode)--->str,解码时需要把编码格式传给decode方法。
word="你好" print (word) #>>> 你好 print(type(word)) #>>><class 'str'> word_utf8=word.encode("utf-8") print (word_utf8) #>>>b'xe4xbdxa0xe5xa5xbd' print(type(word_utf8)) #>>><class 'bytes'> word_gbk=word.encode("gbk") print (word_gbk) #>>>b'xc4xe3xbaxc3' print(type(word_gbk)) #>>><class 'bytes'> word_utf8_str=word_utf8.decode("utf-8") print (word_utf8_str) #>>>你好 print(type(word_utf8_str)) #>>><class 'str'> word_gbk_str=word_gbk.decode("gbk") print (word_gbk_str) #>>>你好 print(type(word_gbk_str)) #>>><class 'str'>
不同编码的转换:
>>>python2:
python2,默认为ascii
##比如utf-8转换为gbk word="你好" word.decode("utf-8").encode("gbk") ##比如gbk转换为utf-8 word="你好" word.decode("gbk").encode("utf-8")
>>>python3:
python3,默认为unicode
#-*- coding:utf-8 -*- ###文件编码 """python3 默认字符集编码是Unicode,文件的编码不会影响字符集编码""" import sys print(sys.getdefaultencoding()) #>>>utf-8 ###打印文件编码 word="你好" ##字符编码默认还是Unicode print(word.encode("utf-8")) ##Unicode 转换为utf-8,由于python3的encode()方法也会把str转换为bytes #>>>b'xe4xbdxa0xe5xa5xbd' print(word.encode("gbk")) ##Unicode 转换为gbk,由于python3的encode()方法也会把str转换为bytes #>>>b'xc4xe3xbaxc3' print(word.encode("utf-8").decode("utf-8"))##先由Unicode 转换为utf-8,再由utf-8转换为Unicode,同理先由str转换为bytes,再由bytes转换为str #>>>你好 print(word.encode("utf-8").decode("utf-8").encode('gbk'))##先由Unicode 转换为utf-8,再由utf-8转换为Unicode,最后再Unicode 转换为gbk, # 同理先由str转换为bytes,再由bytes转换为str,最后str转换为bytes #>>>b'xc4xe3xbaxc3'