Python中byte与str

 

 

原文传送门：请点击

 

现在计算机中，在内存中采用unicode编码方式。

可以看到上图中，字节型数据t并没有像想象中的一样显示0，1字符串。显示仍然是b，这是因为t是采用utf-8来编码，而utf-8与unicode编码中的字符部分的编码方式是一样的，因此在显示t的时候，在内存中采用unicode解码，而两种编码方式的字符部分一样，因此显示并没有什么区别。

 

在这幅图中，可以直观的看到t是0，1数据串，这里为了便于观看，显示的是16进制，utf-8与unicode汉字部分的编码是不一样的，unicode无法进行解码，因此这里的t只能用0，1串来显示。

 

在python3中提供了，encode()和decode()两个函数，

encode()函数：将unicode编码转换成其他的编码方式。

decode()函数：将其他编码方式转换成unicode编码方式。

大家知道unicode的存储效率低，会浪费很多空间，因此在保存文本时，很多时候并不是用unicode编码方式，有很多其他的编码，utf-8,gbk,还有日文，韩文编码等，下面以读取一个用utf-8的文本为例：

首先将utf-8转换成unicode编码方式，然后再来译码。

简单来说，就是计算机内存中是以unicode编码为桥梁的。

如果说从从其他编码方式转换成unicode这一过程出错，就会产生乱码，例如文本使用日文编码保存的，你用gbk来解码就会产生乱码。