Python字符编码与转换

 

 

 

需知:
1.在python2默认编码是ASCII, python3里默认是unicode
2.unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)， so utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间
3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string
 

Python数据类型：

数字Number（）

二进制都是bytes类型（音频文件，视频文件）

string---encode----->bytes

bytes---decode----->string

文本是string类型

print (varname.encode(encoding='utf-8'）.decode(encoding="utf-8"))

---

编码占位

• Unicode：英文和中文字符存储都占两个字节空间（16位）
• GBK中文编码
•  utf-8  ：中文字符3个字节，英文字符按照ASCII码存储，占1个字节，8位。
• ASCII码只存英文和特殊字符

 

 

Python2中的编码转换：

 

问： 

为什么Python3里面没有decode的方法？

Python默认数据编码是unicode，改了编码方式，程序内字符仍旧是unicode。只是文件的编码变成其他。

sys.getdefault()得到的是文件的编码方式。

Unicode---encode---->gbk/utf-8

 

#python2
import sys
print(sys.getdefaultencoding())


msg = "我爱北京天安门"
msg_gb2312 = msg.decode("utf-8").encode("gb2312")
gb2312_to_gbk = msg_gb2312.decode("gbk").encode("gbk")

print(msg)
print(msg_gb2312)
print(gb2312_to_gbk)

#-*-coding:gb2312 -*-  
import sys
print(sys.getdefaultencoding())


msg = "我爱北京天安门"
#msg_gb2312 = msg.decode("utf-8").encode("gb2312")
msg_gb2312 = msg.encode("gb2312") #默认就是unicode,不用再decode,喜大普奔
gb2312_to_unicode = msg_gb2312.decode("gb2312")
gb2312_to_utf8 = msg_gb2312.decode("gb2312").encode("utf-8")

print(msg)
print(msg_gb2312)
print(gb2312_to_unicode)
print(gb2312_to_utf8)

 

关于字符编码的程序报错：

错误：can't assign to operator

翻译：binary mode doesn't take an encoding argument    遇到这种错误，表明二进制模式不接受编码参数，应该去掉encoding