python3.x的字符編碼的轉換

首先須要說的是python3的默認編碼是Unicode,在pycharm中只是用utf-8去解釋，實際的編碼仍是Unicode

a = "某gbk編碼格式"

a.decode("gbk").encode("utf-8")

#先用gbk方式解碼成unicode，再轉換成utf-8

python 3中最重要的新特性可能就是將文本(text)和二進制數據作了更清晰的區分。文本老是用unicode進行編碼，以str類型表示；而二進制數據以bytes類型表示。

在python3中，不能以任何隱式方式將str和bytes類型兩者混合使用。不能夠將str和bytes類型進行拼接，不能在str中搜索bytes數據(反之亦然)，也不能將str做爲參數傳入須要bytes類型參數的函數(反之亦然)。

字符串和字節符之間劃分界線是必然的。上面這個圖解要牢記於心：

strings能夠被編碼(encode)成字bytes,bytes也能夠解碼(decode)成strings：

 

1 2 3 4

>>> '€20'.encode('utf-8') b'\xe2\x82\xac20' >>> b'\xe2\x82\xac20'.decode('utf-8') '€20'

 

能夠這樣理解：

string是文本(text)的抽象表示。字符串(string)由字符組成，字符也是抽象的實體且與任何二進制表示無關。

當操縱字符串的時候，不少細節是不用瞭解的。咱們能夠分割、切片和拼接字符串，在字符串內部進行搜索。但並不在意內部是如何表示的，也不用在乎底層一個字符要花費多少byte。

只有在須要將string編碼(encode)成byte的時候，好比：經過網絡傳輸數據；或者須要將byte解碼(decode)成string的時候，咱們纔會關注string和byte的區別。

 

傳入encode和decode的參數是編碼方式。編碼是一種用二進制數據表示抽象字符的方式。目前有不少種編碼。上面給出的UTF-8是其中一種，下面是另外一種：

 

1 2 3 4

>>> '€20'.encode('iso-8859-15') b'\xa420' >>> b'\xa420'.decode('iso-8859-15') '€20'

 

編碼是這個轉換過程當中相當重要的一部分。若不編碼，bytes對象b'\xa420'只是一堆比特位而已。編碼賦予其含義。採用不一樣的編碼，這堆比特位的含義就會大不一樣：

 

1 2	>>> b'\xa420'.decode('windows-1255') '₪20'