編碼

因?yàn)橛?jì)算機(jī)只能處理數(shù)字，如果要處理文本，就必須先把文本轉(zhuǎn)換為數(shù)字才能處理。最早的計(jì)算機(jī)在設(shè)計(jì)時(shí)采用8個(gè)比特（bit）作為一個(gè)字節(jié)（byte），所以，一個(gè)字節(jié)能表示的最大的整數(shù)就是255（二進(jìn)制11111111=十進(jìn)制255），如果要表示更大的整數(shù)，就必須用更多的字節(jié)。比如兩個(gè)字節(jié)可以表示的最大整數(shù)是65535，4個(gè)字節(jié)可以表示的最大整數(shù)是4294967295。

由于計(jì)算機(jī)是美國(guó)人發(fā)明的，因此，最早只有127個(gè)字母被編碼到計(jì)算機(jī)里，也就是大小寫英文字母、數(shù)字和一些符號(hào)，這個(gè)編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。

Python3字符編碼

Python3 最重要的一項(xiàng)改進(jìn)之一就是解決了 Python2 中字符串與字符編碼遺留下來的這個(gè)大坑。

Python2 字符串設(shè)計(jì)上的一些缺陷：

• 使用 ASCII 碼作為默認(rèn)編碼方式，對(duì)中文處理很不友好。
• 把字符串的牽強(qiáng)地分為 unicode 和 str 兩種類型，誤導(dǎo)開發(fā)者
  

當(dāng)然這并不算 Bug，只要處理的時(shí)候多留心也可以避免這些坑。但在 Python3 兩個(gè)問題都很好的解決了。

首先，Python3 把系統(tǒng)默認(rèn)編碼設(shè)置為 UTF-8

>>> import sys
>>> sys.getdefaultencoding()
'utf-8'
>>>

然后，文本字符和二進(jìn)制數(shù)據(jù)區(qū)分得更清晰，分別用 str 和 bytes 表示。文本字符全部用 str 類型表示，str 能表示 Unicode 字符集中所有字符，而二進(jìn)制字節(jié)數(shù)據(jù)用一種全新的數(shù)據(jù)類型，用 bytes 來表示。

str

>>> a = "a"
>>> a
'a'
>>> type(a)
<class 'str'>

>>> b = "禪"
>>> b
'禪'
>>> type(b)
<class 'str'>

bytes

Python3 中，在字符引號(hào)前加‘b'，明確表示這是一個(gè) bytes 類型的對(duì)象，實(shí)際上它就是一組二進(jìn)制字節(jié)序列組成的數(shù)據(jù)，bytes 類型可以是 ASCII范圍內(nèi)的字符和其它十六進(jìn)制形式的字符數(shù)據(jù)，但不能用中文等非ASCII字符表示。

>>> c = b'a'
>>> c
b'a'
>>> type(c)
<class 'bytes'>

>>> d = b'\xe7\xa6\x85'
>>> d
b'\xe7\xa6\x85'
>>> type(d)
<class 'bytes'>
>>>

>>> e = b'禪'
 File "<stdin>", line 1
SyntaxError: bytes can only contain ASCII literal characters.

bytes 類型提供的操作和 str 一樣，支持分片、索引、基本數(shù)值運(yùn)算等操作。但是 str 與 bytes 類型的數(shù)據(jù)不能執(zhí)行 + 操作，盡管在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 "<stdin>", line 1, in <module>
TypeError: can't concat bytes to str

python2 與 python3 字節(jié)與字符的對(duì)應(yīng)關(guān)系

encode 與 decode

str 與 bytes 之間的轉(zhuǎn)換可以用 encode 和從decode 方法。

encode 負(fù)責(zé)字符到字節(jié)的編碼轉(zhuǎn)換。默認(rèn)使用 UTF-8 編碼準(zhǔn)換。

>>> s = "Python之禪"
>>> s.encode()
b'Python\xe4\xb9\x8b\xe7\xa6\x85'
>>> s.encode("gbk")
b'Python\xd6\xae\xec\xf8'

decode 負(fù)責(zé)字節(jié)到字符的解碼轉(zhuǎn)換，通用使用 UTF-8 編碼格式進(jìn)行轉(zhuǎn)換。

>>> b'Python\xe4\xb9\x8b\xe7\xa6\x85'.decode()
'Python之禪'
>>> b'Python\xd6\xae\xec\xf8'.decode("gbk")
'Python之禪'

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。

最新評(píng)論