Python 中的 encode 和 decode 以及如何避免中文乱码

傷城~ 2022-05-31 05:47 313阅读 0赞

Python2 默认的编码是 ascii，  
通过 encode 可以将对象的编码转换为指定编码格式（称作“编码”），  
而 decode 是这个过程的逆过程（称作“解码”）。

>>> a =  "中"  
>>> type(a)  
  
>>> a  
'\\xe4\\xb8\\xad'  
>>> len(a)  
3

>>> b = a.decode()  
>>> b  
u'\\u4e2d'  
>>> type(b)  
  
>>> len(b)  
1

变量 a 引用了一个字符串，所谓字符串 (str)，严格地将是字节串，它是经过编码后的字节组成的序列，  
上面的实验中，看到的是“中”这个字在计算机中编码之后的字节表示。用 len(a)来度量它的长度，它是由三个字节组成的。

然后通过 decode 函数，将字节串转变为字符串，并且这个字符串是按照 unicode 编码的，  
在 unicode 编码中，一个汉字对应一个字符，这时候度量它的长度就是 1，  
反过来，一个 unicode 编码的字符串，也可以转换为字节串。

>>> c = b.encode(‘utf-8’)  
>>> c  
'\\xe4\\xb8\\xad'  
>>> type(c)  
  
>>> c == a  
 True

Python 中如何避免中文是乱码：  
首先，提倡使用 utf-8 编码方案，因为它跨平台不错。  
一：在开头声明：  
\# -\*- coding: utf-8 -\*-  
也可以写成：  
\# coding:utf-8  
二：遇到字符（节）串，立刻转化为 unicode，不要用 str()，直接使用 unicode()  
unicode\_str = unicode('中文',   encoding='utf-8')  
print unicode\_str.encode('utf-8')  
三：如果对文件操作，打开文件的时候，最好用 codecs.open，替代 open(这个后面会讲到，先放在这里)  
import codecs  
codecs.open('filename',  encoding='utf8')

自己设置 python 默认编码为 utf8 的方法：  
[https://github.com/qiwsir/ITArticles/blob/master/Python/Python%E7%9A%84%E4%B8%AD%E6%96%87%E6%98%BE%E7%A4%BA%E6%96%B9%E6%B3%95.md][https_github.com_qiwsir_ITArticles_blob_master_Python_Python_E7_9A_84_E4_B8_AD_E6_96_87_E6_98_BE_E7_A4_BA_E6_96_B9_E6_B3_95.md]

[https_github.com_qiwsir_ITArticles_blob_master_Python_Python_E7_9A_84_E4_B8_AD_E6_96_87_E6_98_BE_E7_A4_BA_E6_96_B9_E6_B3_95.md]: https://github.com/qiwsir/ITArticles/blob/master/Python/Python%E7%9A%84%E4%B8%AD%E6%96%87%E6%98%BE%E7%A4%BA%E6%96%B9%E6%B3%95.md