Python字符串編碼轉換 encode()和decode()方法詳細說明

Posted on by

前言：

我們知道，最早的字符串編碼是 ASCII 編碼，它僅僅對 10 個數字、26 個大小寫英文字母以及一些特殊字符進行瞭編碼。ASCII 碼做多隻能表示 256 個符號，每個字符隻需要占用 1 個字節。

隨著信息技術的發展，各國的文字都需要進行編碼，於是相繼出現瞭 GBK、GB2312、UTF-8 編碼等，其中 GBK 和 GB2312 是我國制定的中文編碼標準，規定英文字符母占用 1 個字節，中文字符占用 2 個字節；而 UTF-8 是國際通過的編碼格式，它包含瞭全世界所有國傢需要用到的字符，其規定英文字符占用 1 個字節，中文字符占用 3 個字節。

Python 3.x 默認采用 UTF-8 編碼格式，有效地解決瞭中文亂碼的問題。

在 Python 中，有 2 種常用的字符串類型，分別為 str 和 bytes 類型，其中 str 用來表示 Unicode 字符，bytes 用來表示二進制數據。str 類型和 bytes 類型之間就需要使用 encode() 和 decode() 方法進行轉換。

1.Python encode()方法

encode() 方法為字符串類型（str）提供的方法，用於將 str 類型轉換成 bytes 類型，這個過程也稱為“編碼”。

encode() 方法的語法格式如下： 

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

註意:格式中用 [] 括起來的參數為可選參數，也就是說，在使用此方法時，可以使用 [] 中的參數，也可以不使用。

該方法各個參數的含義如表 1 所示。

表 1 encode()參數及含義:

參數 含義
str 表示要進行轉換的字符串。
encoding = “utf-8” 指定進行編碼時采用的字符編碼，該選項默認采用 utf-8 編碼。例如，如果想使用簡體中文，可以設置 gb2312。

當方法中隻使用這一個參數時，可以省略前邊的“encoding=”，直接寫編碼格式，例如 str.encode(“UTF-8”)。
errors = “strict” 指定錯誤處理方式，其可選擇值可以是：

  • strict：遇到非法字符就拋出異常。
  • ignore：忽略非法字符。
  • replace：用“？”替換非法字符。
  • xmlcharrefreplace：使用 xml 的字符引用。

該參數的默認值為 strict。

註意:使用 encode() 方法對原字符串進行編碼，不會直接修改原字符串，如果想修改原字符串，需要重新賦值。

【例 1】將 str 類型字符串“C語言中文網”轉換成 bytes 類型。

>>> str = "C語言中文網"
>>> str.encode()
b'C\xe8\xaf\xad\xe8\xa8\x80\xe4\xb8\xad\xe6\x96\x87\xe7\xbd\x91'

此方式默認采用 UTF-8 編碼，也可以手動指定其它編碼格式，例如：

>>> str = "C語言中文網"
>>> str.encode('GBK')
b'C\xd3\xef\xd1\xd4\xd6\xd0\xce\xc4\xcd\xf8'

2.Python decode()方法

和 encode() 方法正好相反，decode() 方法用於將 bytes 類型的二進制數據轉換為 str 類型，這個過程也稱為“解碼”。

decode() 方法的語法格式如下： 

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

該方法中各參數的含義如表 2 所示。

表 2 decode()參數及含義:

參數 含義
bytes 表示要進行轉換的二進制數據。
encoding=”utf-8″ 指定解碼時采用的字符編碼，默認采用 utf-8 格式。當方法中隻使用這一個參數時，可以省略“encoding=”，直接寫編碼方式即可。

註意，對 bytes 類型數據解碼，要選擇和當初編碼時一樣的格式。
errors = “strict” 指定錯誤處理方式，其可選擇值可以是：

  • strict：遇到非法字符就拋出異常。
  • ignore：忽略非法字符。
  • replace：用“？”替換非法字符。
  • xmlcharrefreplace：使用 xml 的字符引用。

該參數的默認值為 strict。

【例 2】 

>>> str = "C語言中文網"
>>> bytes=str.encode()
>>> bytes.decode()
'C語言中文網'

註意:如果編碼時采用的不是默認的 UTF-8 編碼，則解碼時要選擇和編碼時一樣的格式，否則會拋出異常，例如： 

>>> str = "C語言中文網"
>>> bytes = str.encode("GBK")
>>> bytes.decode()  #默認使用 UTF-8 編碼，會拋出以下異常
Traceback (most recent call last):
  File "<pyshell#10>", line 1, in <module>
    bytes.decode()
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd3 in position 1: invalid continuation byte
>>> bytes.decode("GBK")
'C語言中文網'

到此這篇關於Python字符串編碼轉換 encode()和decode()方法詳細說明的文章就介紹到這瞭,更多相關Python encode()和decode()方法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：