字符編碼

(注意:關(guān)于字符編碼，如果沒(méi)有特殊業(yè)務(wù)要求，請(qǐng)牢記僅使用UTF-8編碼)

由于Python的字符串類型是str，在內(nèi)存中以Unicode表示，一個(gè)字符對(duì)應(yīng)若干個(gè)字節(jié)。如果要在網(wǎng)絡(luò)上傳輸，或者保存到磁盤上，就需要把str變?yōu)橐宰止?jié)為單位的bytes。

Python對(duì)bytes類型的數(shù)據(jù)用帶b前綴的單引號(hào)或雙引號(hào)表示：

x = b'ABC'

要注意區(qū)分’ABC’和b’ABC’，前者是str，后者雖然內(nèi)容顯示得和前者一樣，但bytes的每個(gè)字符都只占用一個(gè)字節(jié)。

以Unicode表示的str通過(guò)encode()方法可以編碼為指定的bytes，例如：

>>> 'ABC'.encode('ascii') b'ABC' >>> '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87'

反過(guò)來(lái)，如果我們從網(wǎng)絡(luò)或磁盤上讀取了字節(jié)流，那么讀到的數(shù)據(jù)就是bytes。要把bytes變?yōu)閟tr，就需要用decode()方法：

>>> b'ABC'.decode('ascii') 'ABC' >>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') '中文'

如果bytes中包含無(wú)法解碼的字節(jié)，decode()方法會(huì)報(bào)錯(cuò)：

>>> b'\xe4\xb8\xad\xff'.decode('utf-8') Traceback (most recent call last):... UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

如果bytes中只有一小部分無(wú)效的字節(jié)，可以傳入errors='ignore’忽略錯(cuò)誤的字節(jié)：

>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore') '中'

len()函數(shù)計(jì)算的是str的字符數(shù)，如果換成bytes，len()函數(shù)就計(jì)算字節(jié)數(shù)在操作字符串時(shí)，我們經(jīng)常遇到str和bytes的互相轉(zhuǎn)換。

為了避免亂碼問(wèn)題，應(yīng)當(dāng)始終堅(jiān)持使用UTF-8編碼對(duì)str和bytes進(jìn)行轉(zhuǎn)換。

文本文件設(shè)置utf-8讀取

由于Python源代碼也是一個(gè)文本文件，所以，當(dāng)你的源代碼中包含中文的時(shí)候，在保存源代碼時(shí)，就需要?jiǎng)?wù)必指定保存為UTF-8編碼。

當(dāng)Python解釋器讀取源代碼時(shí)，為了讓它按UTF-8編碼讀取，我們通常在文件開(kāi)頭寫上這兩行：

#!/usr/bin/env python3 # -*- coding: utf-8 -*-

第一行注釋是為了告訴Linux/OS X系統(tǒng)，這是一個(gè)Python可執(zhí)行程序，Windows系統(tǒng)會(huì)忽略這個(gè)注釋；

第二行注釋是為了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會(huì)有亂碼。

會(huì)了嗎？不會(huì)關(guān)系，小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：531509025，群里有大量基礎(chǔ)入門知識(shí)，都是從零開(kāi)始的，群里還有專業(yè)的人給你解答問(wèn)題。尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)PDF電子書！

總結(jié)

以上是生活随笔為你收集整理的Python中必备知识点：对字符编码的基本操作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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