python字符串編碼轉換

假設讀者已經了解了什么叫字符集，什么叫編碼，什么叫解碼。

首先要明確，雖然有三種前綴（無前綴，前綴u，前綴b），但是字符串的類型只有兩種（str，bytes），實驗如下：

                          

根據程序以及以上運行結果，發現無前綴，和前綴u，構造出來的字符串常量，是一樣的。

類型一樣是str，長度一樣是3，==判斷也是返回true。is判斷也是返回true。

其實，這里是因為，python3中，字符串的存儲方式都是以Unicode字符來存儲的，所以前綴帶不帶u，其實都一樣。

結論：字符串常量，前綴帶不帶u，都是一樣的。

 

不管是utf-8，還是gbk，都可以理解為一種對應關系（若干個十六進制數<——>某個字符）：

            

所以可以發現任何str類型的字符串，在經過encode('utf-8')后，就是通過utf-8這種編碼解碼方式（兩種方向），將Unicode字符轉換為對應的以字節方式存儲的若干十六進制數。

根據如上程序以及結果，可以發現，utf-8用三個十六進制來表示一個中文字符，而gbk用二個十六進制來表示一個中文字符。

結論：encode()函數根據括號內的編碼方式，把str類型的字符串轉換為bytes字符串，字符對應的若干十六進制數，根據編碼方式決定。

 

既然知道了，str實際存儲的是Unicode字符，那么也可以Unicode編碼來存儲str，形如\u1234：

發現\u后面跟四個十六進制數，就可以代表一個Unicode字符，同樣的，前綴帶不帶u都一樣。

          

結論：str類型的字符串，每個字符用字符本身或者\u1234，來表示都可以，后者則是直接是Unicode編碼。但打印時都是打印字符本身。

 

bytes字符串的組成形式，必須是十六進制數，或者ASCII字符：

 

提示錯誤：bytes只能包含ASCII字符。

在打印bytes字符串時，某些正常字符和一些轉義字符可以打印出來，比如：字母數字和‘\n’換行符。別的就只能以原來的方式存在。

 

還可以對bytes取索引，所以這里bytes也可以用for循環來迭代了，因為也是可迭代對象。

取索引，將所在元素的數，轉換為十進制數。

代碼：

oath = '我愛妞'
print(type(oath))
print(len(oath))
 
oath1 = u'我愛妞'
print(type(oath1))
print(len(oath1))
 
print(oath==oath1)
 
 
utf8 = oath.encode('utf-8')
print(type(utf8))
print(len(utf8))
print(utf8)
 
gbk = oath.encode('gbk')
print(type(gbk))
print(len(gbk))
print(gbk)
 
 
out = open('test.txt','w',encoding = 'utf-8')
 
test = u'\u5220\u9664'
print(len(test))
print(test)
test1 = test.encode('utf-8')
print(test1)
print(type(test1))
 
out.write(test)
out.close()

版權聲明：本文為CSDN博主「anlian523」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/anlian523/article/details/80504699