很多次遇到python 3下的文件編碼，解碼問題，我這里的平臺是mac，下面吐血搞一波。。

1. ASCII編碼：

字符串是一種數據類型，但是，字符串比較特殊的是還有一個編碼問題。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。

2. Unicode編碼

Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。
Unicode標準也在不斷發展，但最常用的是用兩個字節表示一個字符（如果要用到非常偏僻的字符，就需要4個字節）。現代操作系統和大多數編程語言都直接支持Unicode。

ASCII編碼和Unicode編碼的區別：ASCII編碼是1個字節，而Unicode編碼通常是2個字節。

3. UTF-8編碼

新的問題又出現了：如果統一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。

所以，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間：

4. 文件傳輸

在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼。

用記事本編輯的時候，從文件讀取的UTF-8字符被轉換為Unicode字符到內存里，編輯完成后，保存的時候再把Unicode轉換為UTF-8保存到文件：

瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器：

所以你看到很多網頁的源碼上會有類似的信息，表示該網頁正是用的UTF-8編碼。

5. python 3 字符串類型和 bytes 類型

字符串
在最新的Python 3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言。

In [181]: print('包含中文的str') 包含中文的str

bytes
由于Python的字符串類型是str，在內存中以Unicode表示，一個字符對應若干個字節。如果要在網絡上傳輸，或者保存到磁盤上，就需要把str變為以字節為單位的bytes。

Python對bytes類型的數據用帶b前綴的單引號或雙引號表示：x = b'ABC'
要注意區分’ABC’和b’ABC’，前者是str，后者雖然內容顯示得和前者一樣，但bytes的每個字符都只占用一個字節。

（1）以Unicode表示的str通過encode()方法可以編碼為指定的bytes。例如：

In [182]: 'ABC'.encode('ascii') Out[182]: b'ABC'In [183]: '中文'.encode('utf-8') Out[183]: b'\xe4\xb8\xad\xe6\x96\x87'In [184]: '中文ABC'.encode('utf-8') Out[184]: b'\xe4\xb8\xad\xe6\x96\x87ABC'In [185]: '中文'.encode('ascii') Traceback (most recent call last):File "<ipython-input-185-76f41cd8dafa>", line 1, in <module>'中文'.encode('ascii')UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

純英文的str可以用ASCII編碼為bytes，內容是一樣的，含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼，因為中文編碼的范圍超過了ASCII編碼的范圍，Python會報錯。

（2）如果我們從網絡或磁盤上讀取了字節流，那么讀到的數據就是bytes。要把bytes變為str，就需要用decode()方法：

In [193]: b'ABC'.decode('ascii') Out[193]: 'ABC'In [194]: b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') Out[194]: '中文'

（3）len()函數計算的是str的字符數，如果換成bytes，len()函數就計算字節數

>>> len(b'ABC') 3 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('中文'.encode('utf-8')) 6

1個中文字符經過UTF-8編碼后通常會占用3個字節，而1個英文字符只占用1個字節。

在操作字符串時，我們經常遇到str和bytes的互相轉換。為了避免亂碼問題，應當始終堅持使用UTF-8編碼對str和bytes進行轉換。

Python源代碼也是一個文本文件，所以，當你的源代碼中包含中文的時候，在保存源代碼時，就需要務必指定保存為UTF-8編碼。當Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行

#!/usr/bin/env python3 # -*- coding: utf-8 -*-

第二行注釋是為了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會有亂碼。

4. 修改文件夾下的所有文本的編碼

（1）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。

In [195]: b'a' Out[195]: b'a'In [196]: b'\xe7\xa6\x85' Out[196]: b'\xe7\xa6\x85'In [197]: b'中文'File "<ipython-input-197-241a368e5c3e>", line 1b'中文'^ SyntaxError: bytes can only contain ASCII literal characters.

（2）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。

In [198]: s = "Python之禪"In [199]: s.encode() Out[199]: b'Python\xe4\xb9\x8b\xe7\xa6\x85'In [200]: s.encode("gbk") Out[200]: 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。

In [201]: b'Python\xe4\xb9\x8b\xe7\xa6\x85'.decode() Out[201]: 'Python之禪'In [202]: b'Python\xd6\xae\xec\xf8'.decode("gbk") Out[202]: 'Python之禪'

下面是一個修改一個文件夾下的所有文本問價為utf-8的編碼格式的例子：

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Wed Oct 31 09:42:29 2018@author: lilong """import chardet import osclass Unicode(object):def __init__(self):self.file_path='/Users/lilong/Desktop/coding_test/'self.flag=0def readFile(self,file_path):with open(file_path, 'rb') as f: # 這里讀文件判斷編碼時必須是‘rb’的格式filecontent = f.read()return filecontentdef converCode(self,filepath):file_con = self.readFile(filepath)result=chardet.detect(file_con) # 判斷文件編碼print('result:',result)if self.flag==0: if result['encoding'] == 'GB2312': # GBK是GB2312的擴展 unicode_raw = file_con.decode('GB2312') # unicode_raw是字節流unicode_done= unicode_raw.encode('utf-8') # unicode_done是字節流#print(str(unicode_done))with open(filepath, 'wb') as f: # 這里寫文件時必須時‘wb’的格式f.write(unicode_done)else:passdef listDirFile(self,file_path):list_ = os.listdir(file_path)for ll in list_:filepath = os.path.join(file_path, ll)if os.path.isdir(filepath):self.listDirFile(filepath)else:print('ll:',ll)self.converCode(filepath) def check(self):self.flag=1self.listDirFile(self.file_path)def start(self):self.listDirFile(self.file_path)self.check()# 實例化 tt=Unicode() tt.start()

運行：

ll: .DS_Store result: {'encoding': 'Windows-1252', 'confidence': 0.73, 'language': ''} ll: 2.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: 1.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: .DS_Store result: {'encoding': 'Windows-1252', 'confidence': 0.73, 'language': ''} ll: 2.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: 1.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

.DS_Store文件是我的mac系統下自動生成的，在這里不影響說明問題。

參考：
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000

總結

以上是生活随笔為你收集整理的详解python 3下文本文件的编解码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。