Python: 熟悉又陌生的字符编码

正文

请到「今天看啥」查看全文

for more information .

>>> import sys

>>> sys . getdefaultencoding ()

'ascii'

• Python3

Python 3.5.2 ( default , Jun 29 2016 , 13 : 43 : 58 )

[ GCC 4.2.1 Compatible Apple LLVM 7.3.0 ( clang - 703.0.31 )] on darwin

Type "help" , "copyright" , "credits" or "license" for more information .

>>> import sys

>>> sys . getdefaultencoding ()

'utf-8'

Python2 中的字符类型

Python2 中有两种和字符串相关的类型：str 和 unicode，它们的父类是 basestring。其中，str 类型的字符串有多种编码方式，默认是 ascii，还有 gbk，utf-8 等，unicode 类型的字符串使用 u'...' 的形式来表示，下面的图展示了 str 和 unicode 之间的关系：

两种字符串的相互转换概括如下：

• 把 UTF-8 编码表示的字符串 ‘xxx’ 转换为 Unicode 字符串 u’xxx’ 用 decode('utf-8') 方法：

>>> '中文' . decode ( 'utf-8' )

u '\u4e2d\u6587'

• 把 u’xxx’ 转换为 UTF-8 编码的 ‘xxx’ 用 encode('utf-8') 方法：

>>> u '中文' . encode ( 'utf-8' )

'\xe4\xb8\xad\xe6\x96\x87'

UnicodeEncodeError & UnicodeDecodeError 根源

用 Python2 编写程序的时候经常会遇到 UnicodeEncodeError 和 UnicodeDecodeError，它们出现的根源就是 如果代码里面混合使用了 str 类型和 unicode 类型的字符串，Python 会默认使用 ascii 编码尝试对 unicode 类型的字符串编码 (encode)，或对 str 类型的字符串解码 (decode)，这时就很可能出现上述错误。

下面有两个常见的场景，我们最好牢牢记住：

• 在进行同时包含 str 类型和 unicode 类型的字符串操作时，Python2 一律都把 str 解码（decode）成 unicode 再运算，这时就很容易出现 UnicodeDecodeError。

请到「今天看啥」查看全文