文章目錄

• (小拓展)：
• （一）ASCII 碼
• （二）Unicode 碼
• （三）UTF-8 碼
• （四）總結(jié)與encode、decode
• （五）encode()和decode()
• （六）字符編碼

(小拓展)：

下面是每個字符對應(yīng)的編號，字符0-9對應(yīng)編號48~57，就是說ASCII碼全是字符！

我們鍵盤上每個鍵都對應(yīng)一個ascii碼，這也就是為什么python中input(‘請輸入一個數(shù)’)得到的是字符，我們還得把它轉(zhuǎn)換成int的原因了。

（一）ASCII 碼

ASCII 碼 表示 127 個英文字符。

ASCII 碼最先出現(xiàn)，最初只適合英語。

隨著計算機普及，各國家語言不同，文字多少更是不同，127個根本不夠用。各國都要為自己的語言編碼。

中國自己的編碼是gbk，每個中文需要使用兩個字節(jié)來編碼，中文編碼的規(guī)則 —— GB2312 （都是常用漢字），比如高考報名時有的學(xué)生姓名輸入是亂碼，就是因為教育部用的GB2312，而他的名字中有個太偏僻的字。

由于不同國家有不同的編碼規(guī)則，如日本，韓國都使用各自國家的編碼規(guī)則，在多語言
混用的場合會出現(xiàn)混亂。怎么解決？

（二）Unicode 碼

Unicode 用來把所有語言都統(tǒng)一到一套編碼里，這樣就不會再有亂碼問題了。

Unicode通常用兩個字節(jié)編碼（有的也用四個字節(jié)），而 ASCII 碼通常用一個字節(jié)字節(jié)。ASCII 碼轉(zhuǎn)換成 Unicode 在前面一個字節(jié)補 0。

Unicode碼雖然全面，但是用起來笨重，比如說我就是想傳個1到服務(wù)器，你還要給我用兩個字節(jié)編碼么？傳額外15個0？

（三）UTF-8 碼

UTF-8 把unicode進行優(yōu)化，減小了硬盤存儲空間浪費與傳輸效率低下。

不過在內(nèi)存中都要轉(zhuǎn)換成unicode。

UTF-8 編碼把一個 Unicode 字符根據(jù)不同的數(shù)字大小編碼成 1-6 個字節(jié)，常用的英文字
母被編碼成 1 個字節(jié)，漢字通常是 3 個字節(jié)，只有很生僻的字符才會被編碼成 4-6 個字節(jié)。

如果你要傳輸?shù)奈谋景罅坑⑽淖址?#xff0c;用 UTF-8 編碼就能節(jié)省空間。

UTF-8 的一個好處在于，原有的 ASCII 的編碼可以在 UTF-8 下繼續(xù)工作。

（四）總結(jié)與encode、decode

搞清楚了 ASCII、Unicode 和 UTF-8 的關(guān)系，我們就可以總結(jié)一下現(xiàn)在計算機系統(tǒng)通用
的字符編碼工作方式：

在計算機內(nèi)存中，統(tǒng)一使用 Unicode 編碼，當(dāng)需要保存到硬盤或者需要傳輸?shù)臅r候，
就轉(zhuǎn)換為 UTF-8 編碼。

用記事本編輯的時候，從文件讀取的 UTF-8 字符被轉(zhuǎn)換為 Unicode 字符到內(nèi)存里，編
輯完成后，保存的時候再把 Unicode 轉(zhuǎn)換為 UTF-8 保存到文件：rw-file-utf-8 。

瀏覽網(wǎng)頁的時候，服務(wù)器會把動態(tài)生成的 Unicode 內(nèi)容轉(zhuǎn)換為 UTF-8 再傳輸?shù)綖g覽器：
web-utf-8。

所以你看到很多網(wǎng)頁的源碼上會有類似的信息，表示該網(wǎng)頁正是用的 UTF-8 編碼。

首先要搞清楚，字符串在 Python 內(nèi)部的表示是 unicode 編碼，因此，在做編碼轉(zhuǎn)換時，
通常需要以 unicode 作為中間編碼，即先將其他編碼的字符串解碼（decode）成 unicode，再從 unicode 編碼（encode）成另一種編碼。

1.decode:其它碼–>unicode
decode 的作用是將其他編碼的字符串轉(zhuǎn)換成 unicode 編碼，如 str1.decode(‘gb2312’)，表
示將 gb2312 編碼的字符串轉(zhuǎn)換成 unicode 編碼。

2.encode:unicode–>其它碼
encode 的作用是將 unicode 編碼轉(zhuǎn)換成其他編碼的字符串，如 str2.encode(‘gb2312’)，表
示將 unicode 編碼的字符串轉(zhuǎn)換成 gb2312 編碼。

（五）encode()和decode()

decode英文意思是 解碼，encode英文原意 編碼 字符串在Python內(nèi)部的表示是unicode編碼，因此，在做編碼轉(zhuǎn)換時，通常需要以unicode作為中間編碼， 即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。 decode的作用是將其他編碼的字符串轉(zhuǎn)換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串str1轉(zhuǎn)換成unicode編碼。 encode的作用是將unicode編碼轉(zhuǎn)換成其他編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串str2轉(zhuǎn)換成gb2312編碼。 總得意思:想要將其他的編碼轉(zhuǎn)換成utf-8必須先將其解碼成unicode然后重新編碼成utf-8,它是以unicode為轉(zhuǎn)換媒介的 如：s='中文' 如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進行編碼轉(zhuǎn)換，都需要先用 decode方法將其轉(zhuǎn)換成unicode編碼，再使用encode方法將其轉(zhuǎn)換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統(tǒng)默認(rèn)編碼創(chuàng)建的代碼文件

• 字符串在Python內(nèi)部的表示是unicode編碼，因此，在做編碼轉(zhuǎn)換時，通常需要以unicode作為中間編碼， 即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

所以：其他編碼.decode—>unicode unicode.encode—>其他編碼

• decode的作用是將其他編碼的字符串轉(zhuǎn)換成unicode編碼，如str1.decode(‘gb2312’)，表示將gb2312編碼的字符串str1轉(zhuǎn)換成unicode編碼。
• encode的作用是將unicode編碼轉(zhuǎn)換成其他編碼的字符串，如str2.encode(‘gb2312’)，表示將unicode編碼的字符串str2轉(zhuǎn)換成gb2312編碼。
• 總得意思:想要將其他的編碼轉(zhuǎn)換成utf-8必須先將其解碼成unicode然后重新編碼成utf-8,它是以unicode為轉(zhuǎn)換媒介的 如：s=‘中文’ 如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進行編碼轉(zhuǎn)換，都需要先用 decode方法將其轉(zhuǎn)換成unicode編碼，再使用encode方法將其轉(zhuǎn)換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統(tǒng)默認(rèn)編碼創(chuàng)建的代碼文件。
  

（六）字符編碼

• 我們已經(jīng)講過了，字符串也是一種數(shù)據(jù)類型，但是，字符串比較特殊的是還有一個編碼問題。

• 因為計算機只能處理數(shù)字，如果要處理文本，就必須先把文本轉(zhuǎn)換為數(shù)字才能處理。最早的計算機在設(shè)計時采用8個比特（bit）作為一個字節(jié)（byte），所以，一個字節(jié)能表示的最大的整數(shù)就是255（二進制11111111=十進制255），如果要表示更大的整數(shù)，就必須用更多的字節(jié)。比如兩個字節(jié)可以表示的最大整數(shù)是65535，4個字節(jié)可以表示的最大整數(shù)是4294967295。

• 由于計算機是美國人發(fā)明的，因此，最早只有127個字符被編碼到計算機里，也就是大小寫英文字母、數(shù)字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。

• 但是要處理中文顯然一個字節(jié)是不夠的，至少需要兩個字節(jié)，而且還不能和ASCII編碼沖突，所以，中國制定了GB2312編碼，用來把中文編進去。

• 你可以想得到的是，全世界有上百種語言，日本把日文編到Shift_JIS里，韓國把韓文編到Euc-kr里，各國有各國的標(biāo)準(zhǔn)，就會不可避免地出現(xiàn)沖突，結(jié)果就是，在多語言混合的文本中，顯示出來會有亂碼。
  

• 因此，Unicode字符集應(yīng)運而生。Unicode把所有語言都統(tǒng)一到一套編碼里，這樣就不會再有亂碼問題了。

• Unicode標(biāo)準(zhǔn)也在不斷發(fā)展，但最常用的是UCS-16編碼，用兩個字節(jié)表示一個字符（如果要用到非常偏僻的字符，就需要4個字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語言都直接支持Unicode。

• 現(xiàn)在，捋一捋ASCII編碼和Unicode編碼的區(qū)別：ASCII編碼是1個字節(jié)，而Unicode編碼通常是2個字節(jié)。

• 字母A用ASCII編碼是十進制的65，二進制的01000001；

• 字符0用ASCII編碼是十進制的48，二進制的00110000，注意字符’0’和整數(shù)0是不同的；

• 漢字中已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。

• 你可以猜測，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。

• 新的問題又出現(xiàn)了：如果統(tǒng)一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。

• 所以，本著節(jié)約的精神，又出現(xiàn)了把Unicode編碼轉(zhuǎn)化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個字節(jié)，常用的英文字母被編碼成1個字節(jié)，漢字通常是3個字節(jié)，只有很生僻的字符才會被編碼成4-6個字節(jié)。如果你要傳輸?shù)奈谋景罅坑⑽淖址?#xff0c;用UTF-8編碼就能節(jié)省空間：

• 從上面的表格還可以發(fā)現(xiàn)，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續(xù)工作。

• 搞清楚了ASCII、Unicode和UTF-8的關(guān)系，我們就可以總結(jié)一下現(xiàn)在計算機系統(tǒng)通用的字符編碼工作方式：

• 在計算機內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保存到硬盤或者需要傳輸?shù)臅r候，就轉(zhuǎn)換為UTF-8編碼。

• 用記事本編輯的時候，從文件讀取的UTF-8字符被轉(zhuǎn)換為Unicode字符到內(nèi)存里，編輯完成后，保存的時候再把Unicode轉(zhuǎn)換為UTF-8保存到文件：
  

• 瀏覽網(wǎng)頁的時候，服務(wù)器會把動態(tài)生成的Unicode內(nèi)容轉(zhuǎn)換為UTF-8再傳輸?shù)綖g覽器：
  

• 所以你看到很多網(wǎng)頁的源碼上會有類似的信息，表示該網(wǎng)頁正是用的UTF-8編碼。

總結(jié)

以上是生活随笔為你收集整理的encode()和decode()编码与解码的解析、常用编码与为何要encode和decode的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。