欢迎你来到站长在线的站长学堂学习Python知识，本文学习的是《Python中字符串编码转换：encode编码和decode解码详解》。本知识点主要内容有：常用编码简介、使用encode()方法编码、使用decode()方法解码、Unicode和UTF-8的关系说明。

欢迎你来到站长在线的站长学堂学习python知识，本文学习的是《Python中字符串编码转换：encode编码和decode解码详解》。本知识点主要内容有：常用编码简介、使用encode()方法编码、使用decode()方法解码、Unicode和UTF-8的关系说明。

我们在《Python中的基本数据类型》中，学习过：字符串就是连续的字符序列，可以是计算机能够表示的一切字符的集合。字符串属于不可变序列，通常用单引号（' '）、双引号（" "）或者三引号（''' '''或""" """）括起来。还提到了字符串常用的转义字符。今天主要来讲解一下字符串编码转换。

1、常用编码简介

1.1、ASCII，即美国标准信息交换码，1967年制定，主要用于美国和西欧，它仅对10个数字、26个大写英文字母、26个小写英文字母，以及一些其他符号进行了编码。ASCII码最多只能表示256个符号，每个字符占一个字节（bytes）。

1.2、GB2312，国家简体中文字符集，1980年制定，兼容ASCII。每个中文字符占两个字节。

1.3、Unicode，国际标准组织统一标准字符集，1991年制定。Unicode包含了跟全球所有国家编码的映射关系。每个字符占两个字节。

1.4、UTF-8，国际通用编码，制定于1992年，对全世界所有国家用到的字符都进行了编码。UTF-8采用一个字节表示英文字符，用三个字节表示中文。在Python3.x中默认的编码就是UTF-8编码，这就有效的解决了中文乱码的问题。

1.5、GBK，为GB2312的扩展字符集，兼容GB2312，支持繁体字，1995年制定。每个中文字符占两个字节。

在Python中，有两种常用的字符串类型，分别为str和bytes。其中，str表示Unicode字符（ASCII或者其他）；bytes表示二进制数据（包括编码的文本）。这两种类型的字符串不能拼接在一起使用。通常情况下，str在内存中以Unicode表示，一个字符对应若干个字节。但是如果在网络上传输，或者保存到磁盘上，就需要把str转换为字节类型，即bytes类型。

bytes类型的数据是带有b前缀的字符串（用单引号或双引号表示），例如，b'\xd2\xb0'和b'qq'都是bytes类型的数据。

str和bytes之间可以通过encode()和decode()方法进行转换，这两个方法是互为逆过程。下面分别进行介绍。

2、使用encode()方法编码

encode()方法为str对象的方法，用于将字符串转换为二进制数据（即bytes），也称为“编码”，其语法格式如下：

 str.encode([encoding="utf-8"][,errors="strict"])

参数说明如下：

str：表示要进行转换的字符串。

encoding="utf-8"：可选参数，用于指定进行转码时采用的字符编码，默认为UTF-8，如果想使用简体中文，也可以设置为gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码。

errors="strict"：可选参数，用于指定错误处理方式，其可选择值可以是strict（遇到非法字符就抛出异常）、ignore（忽略非法字符）、replace（用“?”替换非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默认值为strict。

说明

在使用encode()方法时，不会修改原字符串，如果需要修改原字符串，需要对其进行重新赋值。

例如，定义一个名称为a的字符串，内容为“星星之火可以燎原”，然后使用encode()方法将其采用GBK编码转换为二进制数，并输出原字符串和转换后的内容，代码如下：

a = '星星之火可以燎原'
b = a.encode('gbk')      # 将gbk编码转换为二进制数据，不处理异常 
print('原字符串：',a)    # 输出原字符串 
print('转换后：',b)      # 输出转换后的二进制数据

上面的代码执行后，将显示以下内容。

原字符串： 星星之火可以燎原
转换后： b'\xd0\xc7\xd0\xc7\xd6\xae\xbb\xf0\xbf\xc9\xd2\xd4\xc1\xc7\xd4\xad'
>>> 

如果采用UTF-8编码，转换后的二进制数据为：

a = '星星之火可以燎原'
b = a.encode('utf-8')    # 将utf-8编码转换为二进制数据，不处理异常 
print('原字符串：',a)    # 输出原字符串 
print('转换后：',b)      # 输出转换后的二进制数据

原字符串： 星星之火可以燎原
转换后： b'\xe6\x98\x9f\xe6\x98\x9f\xe4\xb9\x8b\xe7\x81\xab\xe5\x8f\xaf\xe4\xbb\xa5\xe7\x87\x8e\xe5\x8e\x9f'
>>> 

3、使用decode()方法解码

decode()方法为bytes对象的方法，用于将二进制数据转换为字符串，即将使用encode()方法转换的结果再转换为字符串，也称为“解码”。

其语法格式如下：

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

参数说明如下：

bytes：表示要进行转换的二进制数据，通常是encode()方法转换的结果。

encoding="utf-8"：可选参数，用于指定进行解码时采用的字符编码，默认为UTF-8，如果想使用简体中文，也可以设置为gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码。

errors="strict"：可选参数，用于指定错误处理方式，其可选择值可以是strict（遇到非法字符就抛出异常）、ignore（忽略非法字符）、replace（用“?”替换非法字符）或xmlcharrefreplace（使用XML的字符引用）等，默认值为strict。

站长在线提醒您：在使用decode()方法时，不会修改原字符串，如果需要修改原字符串，需要对其进行重新赋值。

例如，将上面示例中编码后得到二进制数据（保存在变量b中）进行解码，可以使用下面的代码：

a = b'\xd0\xc7\xd0\xc7\xd6\xae\xbb\xf0\xbf\xc9\xd2\xd4\xc1\xc7\xd4\xad'
print('解码后：',a.decode("gbk"))  # 对进行制数据进行解码

上面的代码执行后，将显示以下内容：

解码后： 星星之火可以燎原
>>> 

同样的，我们选择utf-8的字符串也是可以的

a = b'\xe6\x98\x9f\xe6\x98\x9f\xe4\xb9\x8b\xe7\x81\xab\xe5\x8f\xaf\xe4\xbb\xa5\xe7\x87\x8e\xe5\x8e\x9f'
print('解码后：',a.decode("utf-8"))  # 对进行制数据进行解码

上面的代码执行后，将显示以下内容：

解码后： 星星之火可以燎原
>>> 

站长在线提醒您：在设置解码采用的字符编码时，需要与编码时采用的字符编码一致。

本文相关知识扩展阅读：

4、Unicode和UTF-8的关系说明

Unicode直接支持全球所有语言，包含了跟全球所有国家编码的映射关系。

Unicode解决了字符和二进制的对应关系，但是使用unicode的每一个字符，都占用了两个字节，太浪费空间。如unicode表示“Python”需要12个字节才能表示，比原来ASCII表示增加了1倍。

由于计算机的内存比较大，并且字符串在内容中表示时也不会特别大，所以内容可以使用unicode来处理，但是存储和网络传输时一般数据都会非常多，那就不能这样传输了。

为了解决存储和网络传输的问题，出现了Unicode Transformation format，学术名UTF，即：对unicode中的进行格式转换，以便于在存储和网络传输时可以节省空间!

UTF-8： 使用1、2、3、4个字节表示所有字符；优先使用1个字符、无法满足则使增加一个字节，最多4个字节。英文占1个字节、欧洲语系占2个、东亚语系占3个，其它及特殊字符占4个。

UTF-16： 使用2、4个字节表示所有字符；优先使用2个字节，否则使用4个字节表示。

UTF-32： 使用4个字节表示所有字符。

总结：UTF 是为unicode编码 设计 的一种在存储和传输时节省空间的编码方案。

到此为止，本文学习的是《Python中字符串编码转换详解》。本知识点主要内容有：常用编码简介、使用encode()方法编码、使用decode()方法解码、Unicode和UTF-8的关系说明。就讲解完毕了，有问题的可以给我留言哦！

关注【站长在线】，让新手小白系统的零基础学习Python，感谢你对我们的关注，点赞，转发，评论哦！

猜你喜欢