編碼 解碼 python

以前一直對python文件中編碼解碼糊里糊塗，今天看到一篇文章，以爲把我講的有點明白了。寫個心得吧。

一、編碼解碼是怎麼一回事？

Python 裏面的編碼和解碼也就是 unicode 和 str 這兩種形式的相互轉化。

編碼是 unicode -> str，相反的，解碼就是 str -> unicode。

str形式，也就是字符串形式都是以必定的編碼格式存在的，常見的編碼格式有utf-八、ASCII、gb2312等等。

str1.decode(‘gb2312’)，表示將gb2312編碼的字符串str1解碼成unicode。

str2.encode(‘utf-8’)，表示將unicode字符串str2轉換成用utf-8格式編碼的字符串。

不一樣編碼格式的字符串之間相互轉換編碼格式的話，都要先解碼成unicode，再編碼成其餘編碼格式的字符串。就拿上面的str1來講，將str1轉成utf-8編碼的字符串，須要這麼作：
str1.decode(‘gb2312’).encode(‘utf-8’)。

二、如何在python文件中指定編碼、解碼格式呢

咱們在編寫python腳本的時候，一般在#! /usr/bin/env python下面一行指定該py文件的默認編碼格式。好比# coding=utf-8，表示該py文件中的字符串都是以utf-8格式編碼的。

而sys.defaultencoding則指明瞭默認的字符串解碼方式。在解碼時沒有明確指明解碼方式的時候使用。

還要記住一點，字符串用什麼格式編碼，就要用相同的格式解碼才能變成unicode。

三、編碼解碼格式要一致
! /usr/bin/env python
-- coding: utf-8 --
s = '中文' # 這裏的 s 是utf-8編碼的字符串類型
s.encode('gb18030') 1234

觀察上面的代碼，咱們預計會報錯誤。由於第二行指定了該py文件裏面的字符串默認編碼格式是utf-8的，因此s這個字符串就是utf-8編碼的字符串。當以gb18030編碼格式對s進行解碼的時候，將會出錯，由於「字符串」

第4句代碼將 s 從新編碼爲 gb18030 的格式，即進行 unicode -> str 的轉換。由於s自己就是 str 類型的，所以 Python 會自動的先將 s 解碼爲 unicode，而後再編碼成 gb18030。
而當對s進行解碼的時候，咱們沒有指明解碼方式，python 就會使用 sys.defaultencoding 指明的方式來解碼。不少狀況下 sys.defaultencoding 是ANSCII，若是 s 不是這個類型就會出錯。而咱們拿上面的狀況來講，個人 sys.defaultencoding 是 anscii，而 s 的編碼方式是 utf8 的（由於該py文件的第二行指明瞭utf-8編碼），因此出錯了:
UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe4 in position
0: ordinal not in range(128)

對於這種狀況，咱們有兩種方法來改正錯誤：
一是明確的指示出 s 的解碼方式
! /usr/bin/env python
-- coding: utf-8 --
s = '中文'
s.decode('utf-8').encode('gb18030') 1234

二是更改 sys.defaultencoding 爲文件的編碼方式

import sys

reload(sys)
sys.setdefaultencoding('utf-8')

str = '中文'
str.encode('gb18030')12345678910

這裏在調用sys.setdefaultencoding(‘utf-8’) 設置默認的解碼方式以前，執行了reload(sys)，這是必須的，由於python在加載完sys以後，會刪除 sys.setdefaultencoding 這個方法，咱們須要從新載入sys，才能調用 sys.setdefaultencoding 這個方法。

---

本文來自 liuchunming033 博客 ，全文地址請點擊：https://blog.csdn.net/liuchunming033/article/details/52223612?utm_source=copy