python中字串的編碼和解碼
阿新 • • 發佈：2020-11-30
### 1. 常用的編碼
- ASCII:只能表示一些字母，數字和特殊的字元，佔一個位元組
- GBK：國家簡體中文字符集和繁體字符集，相容ASCII，佔兩個位元組
- Unicode：能夠表示全世界上所有的字元，Unicode有人說佔4個位元組也有人說佔2個位元組，但中文佔2個位元組
- UTF-8：Unicode的壓縮版，佔1~3個位元組，其中中文佔三個位元組
### 2.補充:計算機表示的單位：
bit： 位，計算機最小的表示單位
bytes：位元組，最小的儲存單位，1bytes=8bit，1bytes簡寫成1B
1KB = 1024B
1MB = 1024KB
1GB = 1024MB
1TB = 1024GB
......
### 3.ASCII編碼
ASCII編碼是基於拉丁字母一套編碼，主要是顯示現代英語和其西歐語言，是最早通用的單位元組編碼系統,具體ASCII對照表如下：
在對照表中需要記住的是大寫字母A的編碼是65，小寫字母a的編碼的97即可。
在python中可以使用chr和ord方法進行轉換：
```python
# 將數字型別轉換成ASCII對應的字元
print(chr(97)) # a
# 將數字轉換成對應的資料
print(ord("A")) # 65
# 或者使用
```
但隨著事件的發展，ASCII編碼擴充套件到了256個字元，編碼 對照表如下：
其中後128個字元稱為擴充套件ASCII碼
### 2.GBK和GB2312編碼
由於ASCII編碼只能由256個字元組成，然只能由1個位元組來表示中文是不可能的，因此制定了GB2312編碼，用來表示中文的對照表
### 4.Unicode
為了解決各個國家編碼衝突的問題，Unicode編碼就因此而生，Unicode把所有語言都統一到一套編碼裡面，就會避免衝突，產生亂碼。
Unicodeb標準在不斷髮展，最常用的是用兩個位元組表示一個字元，也有的字元是4個位元組，但是中文是佔兩個位元組。如果統一成Unicode編碼，在儲存和傳輸上就不划算
### 5.UTF-8編碼
為了解決Unicode編碼儲存過大的問題，就推出了可變長編碼UTF-8，UTF-8編碼把一個Unicode字元依據不同的資料大小程式設計1~6個位元組，其中中文就佔3個位元組
### 6.編碼和解碼
#### 1.編碼操作
可以通過encode進行編碼，其中語法如下：
- 對字串進行ASCII編碼(只能轉換數字，英文字母和一些符號)
```python
# 方式1： 通過bytes方法
bytes('a', 'ASCII')
# 方式2: 通過encode方法進行
'a'.encode('ASCII')
```
- 將字串轉換成gbk編碼格式
```python
# 方式1: 通過encode方法進行
print('你好'.encode('GBK')) # 編碼之後的結果為:b'\xc4\xe3\xba\xc3'
# 方式2: 通過bytes型別
print(bytes('我愛你', 'GBK')) # 編碼之後的結果為:b'\xce\xd2\xb0\xae\xc4\xe3'
```
- 將字串轉換成Unicode編碼格式
```python
# 方式1: 通過encode方法進行
print('你好'.encode('unicode_escape')) # 編碼之後的結果為:b'\\u4f60\\u597d'
# 方式2: 通過bytes型別
print(bytes('我愛你', 'unicode_escape')) # 編碼之後的結果為:b'\\u6211\\u7231\\u4f60'
```
- 將字串轉換成UTF-8編碼格式
```python
# 方式1: 通過encode方法進行
print('你好'.encode('utf-8')) # 編碼之後的結果為:b'\xe4\xbd\xa0\xe5\xa5\xbd'
# 方式2: 通過bytes型別
print(bytes('我愛你', 'utf-8')) # 編碼之後的結果為:b'\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'
```
#### 2.解碼操作
- 將GBK編碼格式轉換成字串
```python
# 通過decode方法解碼
print(b'\xc4\xe3\xba\xc3\xce\xd2\xb0\xae\xc4\xe3'.decode('GBK')) # 解碼之後結果為：你好我愛你
```
- 將UTF-8編碼格式轉換成字串
```python
# 通過decode方法解碼
print(b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'.decode('utf-8')) # 解碼之後結果為：你好我愛你
```
- 將Uniconde編碼格式轉換成字串
```python
# 通過decode方法解碼
print(b'\\u4f60\\u597d\\u6211\\u7231\\u4f60'.decode('GBK')) # 解碼之後結果為：你好我