對(duì)于很多人來(lái)說(shuō)，python的中字符轉(zhuǎn)碼是一件很頭疼的事情，本來(lái)期望結(jié)果輸出的是中文，結(jié)果來(lái)一段像這樣\xe4\xbd\xa0\xe5\xa5\xbd像是亂碼的字符串。

由于學(xué)python沒(méi)多久，昨天使用python的時(shí)候，就遇到這種問(wèn)題，現(xiàn)在來(lái)深入研究下與之相關(guān)的encode()和decode()函數(shù)，和如何把如亂碼般的字符串轉(zhuǎn)成中文。

encode()和decode()都是字符串的函數(shù)，可直接查看關(guān)于python字符串章節(jié)的官方文檔：
https://docs.python.org/3/library/stdtypes.html?highlight=encode#string-methods

---

從英文意思上看，encode和decode分別指編碼和解碼。在python中，Unicode類型是作為編碼的基礎(chǔ)類型，即：

decode encode str ---------> str(Unicode) ---------> str

• 1
• 2

>>> u = '中文' # 指定字符串類型對(duì)象u >>> str1 = u.encode('gb2312') # 以gb2312編碼對(duì)u進(jìn)行編碼，獲得bytes類型對(duì)象 >>> print(str1) b'\xd6\xd0\xce\xc4'>>> str2 = u.encode('gbk') # 以gbk編碼對(duì)u進(jìn)行編碼，獲得bytes類型對(duì)象 >>> print(str2) b'\xd6\xd0\xce\xc4' >>> str3 = u.encode('utf-8') # 以u(píng)tf-8編碼對(duì)u進(jìn)行編碼，獲得bytes類型對(duì)象 >>> print(str3) b'\xe4\xb8\xad\xe6\x96\x87'>>> u1 = str1.decode('gb2312') # 以gb2312編碼對(duì)字符串str進(jìn)行解碼，獲得字符串類型對(duì)象 >>> print('u1') '中文'>>> u2 = str1.decode('utf-8') # 報(bào)錯(cuò)，因?yàn)閟tr1是gb2312編碼的 UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

---

簡(jiǎn)要說(shuō)下一般有哪些編碼格式。

ASCII碼

ASCII碼是美國(guó)早期制定的編碼規(guī)范，只能表示128個(gè)字符，包括英文字符、阿拉伯?dāng)?shù)字、西文字符以及32個(gè)控制字符。簡(jiǎn)單來(lái)說(shuō)，就是下面這個(gè)表：

擴(kuò)展ASCII碼（Extended ASCII）

簡(jiǎn)單而言，擴(kuò)展ASCII碼的出現(xiàn)是因?yàn)锳SCII不夠用，所以向ASCII表繼續(xù)擴(kuò)充到256個(gè)符號(hào)。
但是因?yàn)閷?duì)于擴(kuò)展ASCII，不同的國(guó)家有不同的標(biāo)準(zhǔn)，于是促使了Unicode編碼的誕生。
擴(kuò)展ASCII碼表如下：

Unicode

準(zhǔn)確來(lái)說(shuō)，Unicode不是編碼格式，而是字符集。這個(gè)字符集包含了世界上目前所有的符號(hào)。
另外，在原來(lái)有些字符可以用一個(gè)字節(jié)即8位來(lái)表示的，在Unicode將所有字符的長(zhǎng)度全部統(tǒng)一為16位，因此字符是定長(zhǎng)的。
Unicode是長(zhǎng)這樣的：

\u4f60\u597d\u4e2d\u56fd\uff01\u0068\u0065\u006c\u006c\u006f\uff0c\u0031\u0032\u0033

• 1

上面這段Unicode的意思是“你好中國(guó)！hello，123”。

關(guān)于Unicode，可在這個(gè)網(wǎng)站查到所有字符：
https://unicode-table.com/en/

GB2312

當(dāng)國(guó)人得到計(jì)算機(jī)后，那就要對(duì)漢字進(jìn)行編碼。在ASCII碼表的基礎(chǔ)上，小于127的字符意義與原來(lái)相同；而將兩個(gè)大于127的字節(jié)連在一起，來(lái)表示漢字，前一個(gè)字節(jié)從0xA1（161）到0xF7（247）共87個(gè)字節(jié)，稱為高字節(jié)，后一個(gè)字節(jié)從0xA1（161）到0xFE（254）共94個(gè)字節(jié)，稱為低字節(jié)，兩者可組合出約8000種組合，用來(lái)表示6763個(gè)簡(jiǎn)體漢字、數(shù)學(xué)符號(hào)、羅馬字母、日文字等。
在重新編碼的數(shù)字、標(biāo)點(diǎn)、字母是兩字節(jié)長(zhǎng)的編碼，這些稱為“全角”字符；而原來(lái)在ASCII碼表的127以下的稱為“半角”字符。
簡(jiǎn)單而言，GB2312就是在ASCII基礎(chǔ)上的簡(jiǎn)體漢字?jǐn)U展。

gb2312碼表：
http://www.fileformat.info/info/charset/GB2312/list.htm

GBK

簡(jiǎn)單而言，GBK是對(duì)GB2312的進(jìn)一步擴(kuò)展（K是漢語(yǔ)拼音kuo zhan（擴(kuò)展）中“擴(kuò)”字的聲母），
收錄了21886個(gè)漢字和符號(hào)，完全兼容GB2312。

GB18030

GB18030收錄了70244個(gè)漢字和字符，更加全面，與 GB 2312-1980 和 GBK 兼容。
GB18030支持少數(shù)民族的漢字，也包含了繁體漢字和日韓漢字。
其編碼是單、雙、四字節(jié)變長(zhǎng)編碼的。

UTF（UCS Transfer Format）

UTF是在互聯(lián)網(wǎng)上使用最廣的一種Unicode的實(shí)現(xiàn)方式。我們最常用的是UTF-8，表示每次8個(gè)位傳輸數(shù)據(jù)，除此之外還有UTF-16。
UTF-8長(zhǎng)這樣，“你好中國(guó)！hello，123”：

你好中国！hello，123

• 1

簡(jiǎn)單總結(jié)（來(lái)源于網(wǎng)絡(luò)）

• 中國(guó)人民通過(guò)對(duì) ASCII 編碼的中文擴(kuò)充改造，產(chǎn)生了 GB2312 編碼，可以表示6000多個(gè)常用漢字。
• 漢字實(shí)在是太多了，包括繁體和各種字符，于是產(chǎn)生了 GBK 編碼，它包括了 GB2312 中的編碼，同時(shí)擴(kuò)充了很多。
• 中國(guó)是個(gè)多民族國(guó)家，各個(gè)民族幾乎都有自己獨(dú)立的語(yǔ)言系統(tǒng)，為了表示那些字符，繼續(xù)把 GBK 編碼擴(kuò)充為 GB18030 編碼。
• 每個(gè)國(guó)家都像中國(guó)一樣，把自己的語(yǔ)言編碼，于是出現(xiàn)了各種各樣的編碼，如果你不安裝相應(yīng)的編碼，就無(wú)法解釋相應(yīng)編碼想表達(dá)的內(nèi)容。
• 終于，有個(gè)叫 ISO 的組織看不下去了。他們一起創(chuàng)造了一種編碼 UNICODE ，這種編碼非常大，大到可以容納世界上任何一個(gè)文字和標(biāo)志。所以只要電腦上有 UNICODE 這種編碼系統(tǒng)，無(wú)論是全球哪種文字，只需要保存文件的時(shí)候，保存成 UNICODE 編碼就可以被其他電腦正常解釋。
• UNICODE 在網(wǎng)絡(luò)傳輸中，出現(xiàn)了兩個(gè)標(biāo)準(zhǔn) UTF-8 和 UTF-16，分別每次傳輸 8個(gè)位和 16個(gè)位。于是就會(huì)有人產(chǎn)生疑問(wèn)，UTF-8 既然能保存那么多文字、符號(hào)，為什么國(guó)內(nèi)還有這么多使用 GBK 等編碼的人？因?yàn)?UTF-8 等編碼體積比較大，占電腦空間比較多，如果面向的使用人群絕大部分都是中國(guó)人，用 GBK 等編碼也可以。

總結(jié)

以上是生活随笔為你收集整理的python中的encode()和decode()函数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。