unicode編碼方案：
unicode只規(guī)定了每個字符所對應的碼值（碼點），即編碼，但并沒有規(guī)定如何在計算機中實現。同一個字符，可通過utf-8、utf-16、utf-32、gb2312（對中文）等多種方式各自實現。encode（）方法就是將unicode編碼方式轉化為對應的實現方式，而decode（）相反，將實現方式轉化為編碼。

1.decode()

bytes.decode(encoding=“utf-8”, errors=“strict”)
1.這個函數是bytes類型數據調用的，字符串str類型是不能夠調用的。（好多文章說字符串也可以調用該函數，我是真搞不懂。）
2.該函數返回字符串。換句話說是bytes類型轉化成str類型的函數。
3.encoding規(guī)定解碼方式。bytes數據是由什么編碼方式編碼的，該函數encoding參數就必須用相應解碼方式，這樣才能返回正確字符串。解碼后的字符串自動轉為unicode編碼方式。
4.errors參數默認為strict，即解碼錯誤后引起異常發(fā)生。其他參數值為ignore,replace等。

2.encode()

str.encode(encoding=“utf-8”, errors=“strict”)
參數含義同上。這個函數將字符串轉化成相應編碼方式的字節(jié)形式。對于ASCII字符(數字，英文，部分標點符號)而言，不同編碼方式編碼后的字節(jié)是一樣的。但是對于中文來說，編碼后的字節(jié)不一樣。

3.轉碼

例如，我有一個中文網站，網站編碼方式為gb2312，我通過requests請求后要將網頁打印出來。但是python內部是unicode編碼的，直接response.text肯定會返回亂碼。

import requests
url_all="https://www.kanunu8.com/"
header_all={
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36',
    'upgrade-insecure-request': '1',
}
def get_classification_urls(url,headers):
    try:
        response=requests.get(url,headers=headers,timeout=10)
        if response.status_code==200:
            print(response.text))
    except Exception as e:
        print(e)

如下圖，果然亂碼

這時就需要正確解碼，即將gb2312解碼為unicode.我們可以這樣：
1.先獲取編碼的二進制格式，該格式為gb2312編碼的二進制：

bytes=response.content

2.將二進制格式通過decode()函數解碼為unicode格式：

bytes.decode(encoding="gb2312")

decode()函數是bytes類型轉str類型，這樣就能夠返回正確的字符串了。

當然，這個例子即使通過gb2312解碼，仍然是亂碼。原因可能是原網頁含有gb2312不能識別的字符(雖然gb2312是為中國文字服務的，但是有些少數名族的字符也屬于中國文字，但是并沒有包含在gb2312內)。后來為了擴充編碼，由在gb2312基礎上增加了gbk和gb18030編碼，二者范圍更廣。事例用gb18030即可正確解碼。

到此這篇關于python中的decode()與encode()詳解的文章就介紹到這了,更多相關python decode()與encode()函數內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論