python格式转换的记录

Python的格式转换太难了。

与其说是难，具体来说应该是“每次都会忘记该怎么处理”。所以于此记录，总的来说是编码+格式转换的记录。

本文记录环境：python3.6

经常见到的格式转换：

bytes-str

socket、网络通信和网站的很多数据传输，都是使用bytes格式在传送消息，而同时很多时候我们也需要把这些信息编程str来试着人工读信息。

此时使用方法：decode([编码格式])来完成bytes到str的转换，而str的货真价实的编码就是utf-8、gbk等等。

 

str-bytes

反过来，要把对人友好的字符串等转化到对机器友好的字节流，用encode()方法来完成。

 

bytes-十六进制数

我们通常更常用的其实是字符串转十六进制，但bytes作为桥梁更简单，只要组合一下就行了。

python3需要使用库binascii来完成很多这类在python2中可直接进行的转换，bytes转为十六进制数字文本，只需要使用binascii.b2a_hex()即可，具体更多用法可以在python的cmd模式下使用help(binascii)查看。

然后就可以拿这个十六进制数文本去加密或者其它处理。

 

十六进制数-bytes

反过来使用binascii.a2b_hex()即可。

 

bytes的base64编码/解码

很多网站会进一步把一些信息用base64的方式传输，有的为了节约资源，有的为了让ascii无法显示的乱码不至于被错误处理而产生误差，总之base64是好东西。

python3自带base64库，import base64后，使用base64.b64encode()或base64.b64decode()来对bytes型量进行base64编码或解码。

 

一些天坑的东西

1. python打开文件的编码格式

python打开文件很简单，常用的比如open()，with open as之类，然而有时候会出些小问题，比如txt文件，windows写入和读取txt默认都是unicode的方式（毕竟，没记错的话open这类函数是靠操作系统提供的中断函数完成的），这时候，如果要写入的文本是utf-8编码的，就有可能报错，有时候不报错，但是会产生乱码。（特别是用爬虫爬些稀奇古怪的网站的源代码时候，写入文件很容易变成乱码。）

所以要设置open()的编码，在最后加上，encoding="utf-8"。可以看到成功写入10个字符。

 

2.request.get时候的编码

写爬虫的时候，有时候需要获取当前网页的源代码然后进行一些其他操作，比如找其它页面，对于一些能用偏静态手段处理的网页，request库仍然是最合适的选择，使用result=request.get(html)得到目标网页的应答信息，要查看源代码时，有两种方式：一是result.text，一种是result.content。这两种的区别在于，result.text会自动对网页应答进行unicode编码，这极有可能导致信息错误或乱码，而result.content则直接返回网页应答的bytes类型信息。在必要情况下，就算是要得到网页某部分的文本，也应该用content获取原始bytes信息再自行转为utf-8等编码文本来使用。