Python字符串的encode與decode 轉載

Python字符串的encode與decode

2008-04-20 00:58:38 by deepblue

首先要搞清楚，字符串在Python內部的表示是unicode編碼，所以，在作編碼轉換時，一般須要以unicode做爲中間編碼，即先將其餘編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另外一種編碼。

decode的做用是將其餘編碼的字符串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串轉換成unicode編碼。

encode的做用是將unicode編碼轉換成其餘編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串轉換成gb2312編碼。

在某些IDE中，字符串的輸出老是出現亂碼，甚至錯誤，實際上是因爲IDE的結果輸出控制檯自身不能顯示字符串的編碼，而不是程序自己的問題。

如在UliPad中運行以下代碼：

s=u"中文"
print s

會提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。這是由於UliPad在英文WindowsXP上的控制檯信息輸出窗口是按照ascii編碼輸出的（英文系統的默認編碼是ascii），而上面代碼中的字符串是Unicode編碼的，因此輸出時產生了錯誤。

將最後一句改成：print s.encode('gb2312')

則能正確輸出「中文」兩個字。

若最後一句改成：print s.encode('utf8')

則輸出：\xe4\xb8\xad\xe6\x96\x87，這是控制檯信息輸出窗口按照ascii編碼輸出utf8編碼的字符串的結果。

 

Updated at: 2008.11.05

另外，代碼中字符串的默認編碼與代碼文件自己的編碼一致，如：

s='中文'

若是是在utf8的文件中，該字符串就是utf8編碼，若是是在gb2312的文件中，則其編碼爲gb2312。 這種狀況下，要進行編碼轉換，都須要先用decode方法將其轉換成unicode編碼，再使用encode方法將其轉換成其餘編碼。一般，在沒有指定特定的編碼方式時，都是使用的系統默認編碼建立的代碼文件，在這篇文章中能夠看到如何得到系統的默認編碼。

若是字符串是這樣定義：

s=u'中文'

則該字符串的編碼就被指定爲unicode了，即python的內部編碼，而與代碼文件自己的編碼無關。所以，對於這種狀況作編碼轉換，只須要直接使用encode方法將其轉換成指定編碼便可。

若是一個字符串已是unicode了，再進行解碼則將出錯，所以一般要對其編碼方式是否爲unicode進行判斷：

isinstance(s, unicode)  #用來判斷是否爲unicode