python編碼和解碼_Python的解碼和編碼

使用Python語言做網絡爬蟲或者寫自動化腳本時，總會遇到“中文亂碼”的問題，很是頭疼。很多“中文亂碼”的問題是跟Python的解碼/編碼有關，是以今天和大家說說Python的解碼/編碼（以Python2.7為例）。

1.什麼是Python解碼/編碼？

Python裡面的解碼和編碼也就是unicode和str這兩種形式的互相轉化。解碼就是str -> unicode，相反的，編碼是unicode -> str。

總的來說就是：unicode是Python解釋器的内碼，所有代碼檔案在導入并執行時，Python解釋器會先将字元串使用你指定的編碼形式解碼成unicode，然後再進行各種操作。不管是對字元串的操作，還是正規表達式，還是讀寫檔案等等最好都通過unicode來進行。

Python解釋器在導入Python代碼檔案并執行時，會先檢視檔案頭有沒有編碼聲明（例如# -*- coding: utf-8 -*-等）。如果發現聲明，如# -*-coding: utf-8 -*-，會将檔案中的字元串從utf-8先解釋成unicode的形式；如果檔案頭沒有編碼聲明，則會以預設的ASCII來解釋成unicode的形式。

2.解碼函數decode()和編碼函數encode()

在Python中，解碼函數是decode()，編碼函數是encode()。

﹒decode()的作用是将其他編碼的字元串轉換成unicode 格式，例如：name.decode(“utf-8”)，表示将utf-8編碼的字元串name轉換成unicode

﹒encode()的作用是将unicode編碼轉換成其他編碼的字元串，例如：

name.encode(“GB2312”)，表示将GB2312編碼的字元串name轉換成GB2312

當代碼中同時有編碼聲明（例如# -*- coding: utf-8 -*-等）和編碼函數encode(‘gbk’)，Python在執行時會優先選擇真實編碼gbk。當存在encode(‘gbk’)時，即便在開頭申明了#-*- coding: utf-8 -*-，沒有指定解碼方式，程式是會報錯的。

解決方案：在中文“哈哈”前加上字元“u”，直接使字元是unicode類型，不用再将“哈哈”去解碼操作。

注意：上圖中的 '\xb9\xfe\xb9\xfe'是“哈哈”的gbk編碼；'\xe5\x93\x88\xe5\x93\x88'是“哈哈”的utf-8編碼。上圖說明，當存在encode(‘gbk’)時，即便在開頭申明了#-*- coding: utf-8 -*-，在執行時會優先選擇encode()函數中的gbk編碼方式。

需要注意的一點是，假設stra=‘哈哈’，如果我們調用stra.encode()，這裡涉及到一個隐士的類型轉化，會先将stra轉化成unicode，才能進行編碼，這也是不太容易了解的地方。而在中文前添加“u”字元，就使得stra轉化成unicode這一步略去。

3.Python解碼

解碼是Python自動進行的，我們在程式開頭沒有編碼聲明（如：#-*-coding:utf-8-*-），也沒有指明解碼方式，Python就會使用sys.defaultencoding指明的方式來解碼。很多情況下sys.defaultencoding是ASCII。

4.Python編碼

Python預設采用ASCII編碼，而ASCII編碼不能用來編碼中文字元。舉個簡單的例子：

如下圖，運作腳本時會有提示。因為Python編碼預設是ASCII編碼，不支援中文。

解決方案1：在檔案開頭輸入支援中文的編碼方式：# -*- coding: gbk -*-。

解決方案2：Python2.x預設是不支援中文的，我們在程式的開頭加上#-*-coding:utf-8-*-，并在中文前加上“u”字元，也可以解決這個問題。這裡的“u”表示将後面跟的字元串以unicode格式存儲，然後Python會根據程式第一行的utf-8編碼識别代碼中的中文“你好”，然後轉換成unicode對象（重申一下：中文前加“u”，直接免去“将字元串解碼成unicode”這一步的操作哦）。

補充一點：如果在中文前沒有添加“u”，僅僅在程式的開頭加上#-*-coding:utf-8-*-，螢幕上列印出的不是“你好”，如下圖。這是由于Python編碼與控制台編碼的不一緻造成的。Windows下控制台中的編碼使用的是gbk，而在代碼中使用的utf-8，Python按照utf-8編碼列印到gbk編碼的控制台下自然就會不一緻而不能列印出正确的漢字。

總之，在Python2.x版本中使用中文，最好在程式開頭添加一行聲明檔案編碼的注釋：#-*-coding:utf-8-*-，然後在中文前添加“u”字元。可以不使用解碼、編碼函數，就盡量别使用（真的會繞暈的，哈哈……）。

原創文章，僅代表非比君個人觀點，說的不一定是對的，歡迎大家指正。

用微信添加 非比測試 公衆号即可訂閱。轉載請保留作者、公共賬号資訊，内容必須與本文保持嚴格一緻，不得修改/替換/增減本文包含的任何文字，不得擅自增加小标題、引語、摘要等。本公衆号一切内容禁止摘編、衍生及演繹。