5.2　字符串的编码转换

微视频

在Python 3.x中，默认采用的编码格式为UTF-8。采用这种编码有效地解决了中文乱码的问题。UTF-8是国际通用编码，采用1字节表示英文字符，3字节表示中文。

在Python中，有两种常用的字符串类型，分别为str和bytes。其中，str表示Unicode字符；bytes表示二进制数据。这两种类型的字符串不能拼接在一起使用。str在内存中以Unicode表示，一个字符对应若干字节。如果在网络上传输或者保存在磁盘上，就需要把str转换成bytes类型，既字节类型。

☆大牛提醒☆

bytes类型的数据是带有b前缀的字符串。例如，b'\xe4\xba\xba\xe7\x94\x9f\xe8就是bytes类型的数据。

str类型和bytes类型之间可以通过encode（）和decode（）方法进行转换，这两个方法是互逆的过程。

encode（）方法以指定的编码格式编码字符串。语法格式如下：

    str.encode(encoding='UTF-8',errors='strict')

参数encoding为要使用的编码方式，默认值为UTF-8；参数errors可以指定不同的错误处理方案。该方法返回编码后的字符串。

☆大牛提醒☆

encode（）方法只是修改了字符串的编码方式，并不会修改字符串的内容。

decode（）方法以指定的编码格式解码bytes对象。语法格式如下：

    bytes.decode(encoding="utf-8", errors="strict")

参数encoding为要使用的编码方式，默认值为UTF-8；参数errors可以指定不同的错误处理方案。该方法返回解码后的字符串。

【例5.4】字符串的编码和解码（源代码\ch05\5.4.py）。

    str = "人生苦短我学Python";
    str_utf8 = str.encode("UTF-8")
    str_gb2312 = str.encode("GB2312")
    print(str)
    print("UTF-8   编码：", str_utf8)
    print("GB2312编码：", str_gb2312)
    print("UTF-8   解码：", str_utf8.decode('UTF-8','strict'))
    print("GB2312   解码：", str_gb2312.decode('GB2312','strict'))

程序运行结果如图5-4所示。

图5-4　例5.4的程序运行结果