python3解决棘手的字符编码问题详解

python3 最重要的一项改进之一就是解决了 python2 中字符串与字符编码遗留下来的这个大坑。python 编码为什么那么蛋疼?已经介绍过 python2 字符串设计上的一些缺陷: – 使用 ascii 码作为默认编码方式,对中文处理很不友好。 – 把字符串牵强地分为 unicode 和 str 两种类型,误导开发者

当然这并不算bug,只要处理的时候多留心也可以避免这些坑。但在 python3两个问题都很好的解决了。

首先,python3把系统默认编码设置为utf-8

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

然后,文本字符和二进制数据区分得更清晰,分别用str和bytes表示。文本字符全部用str类型表示,str能表示unicode字符集中所有字符,而二进制字节数据用一种全新的数据类型,用bytes来表示。

str

>>> a = “a”
>>> a
‘a’
>>> type(a)

>>> b = “禅”
>>> b
‘禅’
>>> type(b)

bytes

python3 中,在字符引号前加‘b’,明确表示这是一个 bytes 类型的对象,实际上它就是一组二进制字节序列组成的数据,bytes 类型可以是 ascii范围内的字符和其它十六进制形式的字符数据,但不能用中文等非ascii字符表示。

>>> c = b’a’>>> c
b’a’>>> type(c)

>>> d = b’\xe7\xa6\x85’>>> d
b’\xe7\xa6\x85’>>> type(d)

>>>
>>> e = b’禅’
file “”, line 1syntaxerror: bytes can only contain ascii literal characters.

bytes类型提供的操作和str一样,支持分片、索引、基本数值运算等操作。但是str与bytes类型的数据不能执行+操作,尽管在py2中是可行的。

>>> b”a”+b”c”
b’ac’
>>> b”a”*2
b’aa’
>>> b”abcdef\xd6″[1:]
b’bcdef\xd6′
>>> b”abcdef\xd6″[-1]
214
>>> b”a” + “b”
traceback (most recent call last):
file “”, line 1, in
typeerror: can’t concat bytes to str

encode 与 decode

str与bytes之间的转换可以用encode和从decode方法。 encode负责字符到字节的编码转换。默认使用utf-8编码准换。

>>> s = “python之禅”
>>> s.encode()
b’python\xe4\xb9\x8b\xe7\xa6\x85′
>>> s.encode(“gbk”)
b’python\xd6\xae\xec\xf8′

decode负责字节到字符的解码转换,通用使用utf-8编码格式进行转换。

>>> b’python\xe4\xb9\x8b\xe7\xa6\x85′.decode()
‘python之禅’
>>> b’python\xd6\xae\xec\xf8′.decode(“gbk”)
‘python之禅’

以上就是python3解决棘手的字符编码问题详解的详细内容,更多请关注 第一php社区 其它相关文章!

Posted in 未分类