当前位置:首页 > 投稿 > 正文

Python中字符串编码的转换(python字符串的编码规则)

#编程语言#

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GBKGB2312。

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!