5.2　字符串的編碼轉(zhuǎn)換

微視頻

在Python 3.x中，默認(rèn)采用的編碼格式為UTF-8。采用這種編碼有效地解決了中文亂碼的問題。UTF-8是國際通用編碼，采用1字節(jié)表示英文字符，3字節(jié)表示中文。

在Python中，有兩種常用的字符串類型，分別為str和bytes。其中，str表示Unicode字符；bytes表示二進(jìn)制數(shù)據(jù)。這兩種類型的字符串不能拼接在一起使用。str在內(nèi)存中以Unicode表示，一個(gè)字符對(duì)應(yīng)若干字節(jié)。如果在網(wǎng)絡(luò)上傳輸或者保存在磁盤上，就需要把str轉(zhuǎn)換成bytes類型，既字節(jié)類型。

☆大牛提醒☆

bytes類型的數(shù)據(jù)是帶有b前綴的字符串。例如，b'\xe4\xba\xba\xe7\x94\x9f\xe8就是bytes類型的數(shù)據(jù)。

str類型和bytes類型之間可以通過encode（）和decode（）方法進(jìn)行轉(zhuǎn)換，這兩個(gè)方法是互逆的過程。

encode（）方法以指定的編碼格式編碼字符串。語法格式如下：

    str.encode(encoding='UTF-8',errors='strict')

參數(shù)encoding為要使用的編碼方式，默認(rèn)值為UTF-8；參數(shù)errors可以指定不同的錯(cuò)誤處理方案。該方法返回編碼后的字符串。

☆大牛提醒☆

encode（）方法只是修改了字符串的編碼方式，并不會(huì)修改字符串的內(nèi)容。

decode（）方法以指定的編碼格式解碼bytes對(duì)象。語法格式如下：

    bytes.decode(encoding="utf-8", errors="strict")

參數(shù)encoding為要使用的編碼方式，默認(rèn)值為UTF-8；參數(shù)errors可以指定不同的錯(cuò)誤處理方案。該方法返回解碼后的字符串。

【例5.4】字符串的編碼和解碼（源代碼\ch05\5.4.py）。

    str = "人生苦短我學(xué)Python";
    str_utf8 = str.encode("UTF-8")
    str_gb2312 = str.encode("GB2312")
    print(str)
    print("UTF-8   編碼：", str_utf8)
    print("GB2312編碼：", str_gb2312)
    print("UTF-8   解碼：", str_utf8.decode('UTF-8','strict'))
    print("GB2312   解碼：", str_gb2312.decode('GB2312','strict'))

程序運(yùn)行結(jié)果如圖5-4所示。

圖5-4　例5.4的程序運(yùn)行結(jié)果