1. 程式人生 > >[轉載]Python3編碼問題詳解

[轉載]Python3編碼問題詳解

alt ror 清晰 handle 種類型 對應關系 and 技術 字節數

原文:Python3的編碼問題

Python3 最重要的一項改進之一就是解決了 Python2 中字符串與字符編碼遺留下來的這個大坑。Python 編碼為什麽那麽蛋疼?已經介紹過 Python2 字符串設計上的一些缺陷:

  • 使用 ASCII 碼作為默認編碼方式,對中文處理很不友好。
  • 把字符串的牽強地分為 unicode 和 str 兩種類型,誤導開發者

在Python3中,從sys中可以看出使用的默認編碼

>>> import sys
>>> sys.getdefaultencoding()
utf-8
>>> 

然後,文本字符和二進制數據區分得更清晰,分別用 str 和 bytes 表示。文本字符全部用 str 類型表示,str 能表示 Unicode 字符集中所有字符,而二進制字節數據用一種全新的數據類型,用 bytes 來表示。

str

>>> a = "a"
>>> a
a
>>> type(a)
<class str>

>>> b = ""
>>> b

>>> type(b)
<class str>

bytes

Python3 中,在字符引號前加‘b’,明確表示這是一個 bytes 類型的對象,實際上它就是一組二進制字節序列組成的數據,bytes 類型可以是 ASCII範圍內的字符和其它十六進制形式的字符數據,但不能用中文等非ASCII字符表示。

>>> c = b
a >>> c ba >>> type(c) <class bytes> >>> d = b\xe7\xa6\x85 >>> d b\xe7\xa6\x85 >>> type(d) <class bytes> >>> >>> e = b File "<stdin>", line 1 SyntaxError: bytes can only contain ASCII literal characters.

bytes 類型提供的操作和 str 一樣,支持分片、索引、基本數值運算等操作。但是 str 與 bytes 類型的數據不能執行 + 操作,盡管在py2中是可行的。

>>> b"a"+b"c"
bac
>>> b"a"*2
baa
>>> b"abcdef\xd6"[1:]
bbcdef\xd6
>>> b"abcdef\xd6"[-1]
214

>>> b"a" + "b"
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: cant concat bytes to str

python2 與 python3 字節與字符的對應關系

python2python3表現轉換作用
str bytes 字節 encode 存儲
unicode str 字符 decode 顯示

encode 與 decode

str 與 bytes 之間的轉換可以用 encode 和從decode 方法。

技術分享

encode 負責字符到字節的編碼轉換。默認使用 UTF-8 編碼準換。

>>> s = "Python之禪"
>>> s.encode()
bPython\xe4\xb9\x8b\xe7\xa6\x85
>>> s.encode("gbk")
bPython\xd6\xae\xec\xf8

decode 負責字節到字符的解碼轉換,通用使用 UTF-8 編碼格式進行轉換。

>>> bPython\xe4\xb9\x8b\xe7\xa6\x85.decode()
Python之禪
>>> bPython\xd6\xae\xec\xf8.decode("gbk")
Python之禪>>> bPython\xe4\xb9\x8b\xe7\xa6\x85.decode()
Python之禪
>>> bPython\xd6\xae\xec\xf8.decode("gbk")
Python之禪

[轉載]Python3編碼問題詳解