編碼

因為計算機只能處理數字，如果要處理文本，就必須先把文本轉換為數字才能處理。最早的計算機在設計時采用8個比特（bit）作為一個字節（byte），所以，一個字節能表示的最大的整數就是255（二進制11111111=十進制255），如果要表示更大的整數，就必須用更多的字節。比如兩個字節可以表示的最大整數是65535，4個字節可以表示的最大整數是4294967295。

由于計算機是美國人發明的，因此，最早只有127個字母被編碼到計算機里，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。

Python3字符編碼

Python3 最重要的一項改進之一就是解決了 Python2 中字符串與字符編碼遺留下來的這個大坑。

Python2 字符串設計上的一些缺陷：

• 使用 ASCII 碼作為默認編碼方式，對中文處理很不友好。
• 把字符串的牽強地分為 unicode 和 str 兩種類型，誤導開發者
  

當然這并不算 Bug，只要處理的時候多留心也可以避免這些坑。但在 Python3 兩個問題都很好的解決了。

首先，Python3 把系統默認編碼設置為 UTF-8

>>> import sys>>> sys.getdefaultencoding()'utf-8'>>>

然后，文本字符和二進制數據區分得更清晰，分別用 str 和 bytes 表示。文本字符全部用 str 類型表示，str 能表示 Unicode 字符集中所有字符，而二進制字節數據用一種全新的數據類型，用 bytes 來表示。

str

>>> a = "a">>> a'a'>>> type(a)<class 'str'>>>> b = "禪">>> b'禪'>>> type(b)<class 'str'>

bytes

Python3 中，在字符引號前加‘b'，明確表示這是一個 bytes 類型的對象，實際上它就是一組二進制字節序列組成的數據，bytes 類型可以是 ASCII范圍內的字符和其它十六進制形式的字符數據，但不能用中文等非ASCII字符表示。

>>> c = b'a'>>> cb'a'>>> type(c)<class 'bytes'>>>> d = b'/xe7/xa6/x85'>>> db'/xe7/xa6/x85'>>> type(d)<class 'bytes'>>>>>>> e = b'禪' File "<stdin>", line 1SyntaxError: bytes can only contain ASCII literal characters.

bytes 類型提供的操作和 str 一樣，支持分片、索引、基本數值運算等操作。但是 str 與 bytes 類型的數據不能執行 + 操作，盡管在py2中是可行的。

>>> b"a"+b"c"b'ac'>>> b"a"*2b'aa'>>> b"abcdef/xd6"[1:]b'bcdef/xd6'>>> b"abcdef/xd6"[-1]214>>> b"a" + "b"Traceback (most recent call last): File "<stdin>", line 1, in <module>TypeError: can't concat bytes to str

python2 與 python3 字節與字符的對應關系

encode 與 decode

str 與 bytes 之間的轉換可以用 encode 和從decode 方法。

encode 負責字符到字節的編碼轉換。默認使用 UTF-8 編碼準換。

>>> s = "Python之禪">>> s.encode()b'Python/xe4/xb9/x8b/xe7/xa6/x85'>>> s.encode("gbk")b'Python/xd6/xae/xec/xf8'

decode 負責字節到字符的解碼轉換，通用使用 UTF-8 編碼格式進行轉換。

>>> b'Python/xe4/xb9/x8b/xe7/xa6/x85'.decode()'Python之禪'>>> b'Python/xd6/xae/xec/xf8'.decode("gbk")'Python之禪'

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。