Python3是如何解決棘手的字符編碼問題的

Python3是如何解決棘手的字符編碼問題的，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

Python3 最重要的一項改進之一就是解決了 Python2 中字符串與字符編碼遺留下來的這個大坑。Python 編碼為什么那么蛋疼？已經(jīng)介紹過 Python2 字符串設(shè)計上的一些缺陷：

• 使用 ASCII 碼作為默認編碼方式，對中文處理很不友好。

• 把字符串牽強地分為 unicode 和 str 兩種類型，誤導(dǎo)開發(fā)者

當然這并不算 Bug，只要處理的時候多留心也可以避免這些坑。但在 Python3 兩個問題都很好的解決了。

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

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

然后，文本字符和二進制數(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 = "禪道"
>>> b
'禪道'
>>> type(b)
<class 'str'>

bytes

Python3 中，在字符引號前加‘b’，明確表示這是一個 bytes 類型的對象，實際上它就是一組二進制字節(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'禪道'
  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 負責(zé)字符到字節(jié)的編碼轉(zhuǎn)換。默認使用 UTF-8 編碼準換。

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

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

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

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進一步的了解或閱讀更多相關(guān)文章，請關(guān)注億速云行業(yè)資訊頻道，感謝您對億速云的支持。