Python中字符串編碼在二進位之間相互轉換的方法

#程式語言#

我是「學海無涯自學不惜！」，關注我，一同學習簡單易懂的Python編程。

第八十節：字符串編碼轉換

在學習「計算字符串的長度」（詳見第72節內容Python中如何計算字符串的長度），對編碼的概念、分類和作用，做過一個簡單的介紹，今天的內容，還是從「編碼」開始談。

最早的字符串編碼是ASCII碼，是由美國國家標準學會(American National Standard Institute ， ANSI )制定的，所以叫做「美國信息交換標準代碼」，它的內容是這樣的：

ASCII碼內容示意圖

ASCII碼只包括以上四種字符內容，並且最多只能表示256個字符。

1967年ASCII第一次以規範標準的類型發表以來，到今天它已經走過了53年的風雨歷程，作為一種國際通用的西文字符編碼標準，它的作用的不可忽視的，但隨著技術的發展，由於ASCII碼自身的局限性，它已逐漸被後起之秀-萬國碼「utf-8」所取代。

而在漢語環境下，最適合的編碼標準，應該是我國制定的「GBK」和「GB2312」。

在Python中，常用的字符串類型有str和bytes兩種。

str表示Unicode字符，就是包括ASCII碼、utf-8碼、GBK碼、GB2312碼之類的編碼；

bytes表示的則是二進位數據，其中包括了編碼的文本。

我們知道，機器語言本質上就是0和1組成的二進位語言，所以str和bytes字符在不能拼接的情況下，它們之間的轉換就非常必要了，因為在儲存和傳輸的時候，是必須要將str字符類型轉換為bytes字節類型的。

今天就來學習如何str和bytes類型之間轉換的方法。

1、在Python中，提供了encode()方法來將str轉換為bytes類型，通稱「編碼過程」，它的語法格式是這樣的：

str.encode(encoding=」utf-8」,errors=」strict」)

上面的str當然代表了要進行轉換的字符；

方法關鍵字encode後面的小括號中可以包含兩個可選參數，其間使用逗號「,」分隔；

第一個參數encoding=」utf-8」，用來指定轉碼的時候所採用的字符編碼，省略時默認為utf-8，當只用這一個參數時，可以直接用引號引用編碼；

第二個參數errors=」strict」，用來指定出錯時的處理方式，省略時默認值為strict，而它的值分別是：strict=出現錯誤拋出異常、ignore=忽略錯誤、replace=使用「？」替換錯誤、xmlcharrefreplace=使用XML的字符引用。

譚嗣同就義時留下一首詩，其中兩句：「我自橫刀向天笑，去留肝膽兩崑崙。」，頗為大氣磅礴！接下來就用這兩句詩定義一個字符串，並分別採用「GBK」和「utf-8」編碼轉換為二進位編碼輸出，詳見下圖：

字符串編碼過程實例

觀察上面的結果，發現採用「utf-8」編碼轉換為二進位後要比採用「GBK」的長，這是因為，「GBK」編碼中漢字佔兩個字節，「utf-8」編碼中漢字佔三個字節。

至於encode()方法的第二個參數，一般情況下使用默認值處理，現在就不贅述了。

2、使用decode()方法將二進位的bytes類型轉換為str類型，通稱「解碼過程」，它的語法格式下面這樣的：

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

可以看到，這個語法格式和參數和encode()方法的基本一致，事實上參數的內容也是一樣的，因為這兩種方法事實上就是一種相互逆轉的過程，所以直接用代碼實例就能說明，詳見下圖：

字符串解碼過程實例

注意：在解碼過程中採用的字符編碼，要和編碼過程中採用的字符編碼保持一致。如同上面的實例一樣，編碼時採用「GBK」，解碼時依然採用「GBK」，否則就會出現異常，詳見下圖：

字符串解碼出現異常實例

在使用decode()方法時，還有一點要注意的是：原字符串不會被修改。如果想修改原字符串，只能通過重新賦值。

以上就是普通字符串和二進位編碼之間互相轉換的方法。各位朋友還能看得入眼嗎？

感謝大家一直以來的支持，明天奉上的是「正則表達式」的內容，敬請拭目以待。

為自己加油，我是「學海無涯自學不惜！」