Question

我试图在Python中自己理解encode和decode但对我来说没有什么是真的。

str.encode([encoding,[errors]])
str.decode([encoding,[errors]])

首先，我不明白在这两个函数中需要“encoding”参数。

每个函数的输出是什么，它的编码是什么？每个函数中“encoding”参数的用途是什么？我真的不明白“字节串”的定义。

我有一个重要问题，是否有某种方法可以从一种编码传递到另一种编码？我在ASN.1上读过一些关于“八位字符串”的文字，所以我想知道它是否与“字节字符串”相同。

谢谢你的帮助。

Answer 1

在Python 2中有点复杂（与Python 3相比），因为它将'string'和'bytestring'的概念混淆了很多，但请参阅The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets。基本上，您需要了解的是“字符串”和“字符”是不能由计算机直接表示的抽象概念。 bytestring是直接来自磁盘的原始字节流（或者可以直接从磁盘写入）。 encode从抽象到具体（你最好给它一个unicode字符串，它会给你一个字节串）; decode正好相反。

编码是这样的规则：“a”应由字节0x61表示，而'α'由双字节序列0xc0\xb1表示。

Answer 2

我在PyCon上的演讲，Pragmatic Unicode, or, How Do I Stop The Pain涵盖了所有这些细节。

简而言之，Unicode字符串是称为代码点的整数序列，而字节串是字节序列。编码是一种将Unicode代码点表示为一系列字节的方法。因此unicode_string.encode(enc)将返回用“enc”编码的Unicode字符串的字节字符串，byte_string.decode(enc)将返回通过用“enc”解码字节字符串而创建的Unicode字符串。

Answer 3

Python 2.x有两种类型的字符串：

str =“字节字符串”=八位字节序列。这些用于“遗留”字符编码（例如windows-1252或IBM437）和原始二进制数据（例如struct.pack输出）。
unicode =“Unicode字符串”= UTF-16或UTF-32的序列，具体取决于Python的构建方式。

此模型为changed for Python 3.x：

2.x unicode变为3.x str（并且从文字中删除了u前缀。）
引入了bytes类型来表示二进制数据。

character encoding是Unicode字符串和字节字符串之间的映射。要将Unicode字符串转换为字节字符串，请使用encode方法：

>>> u'\u20AC'.encode('UTF-8')
'\xe2\x82\xac'

要转换其他方式，请使用decode方法：

>>> '\xE2\x82\xAC'.decode('UTF-8')
u'\u20ac'

Answer 4

是的，字节字符串是八位字符串。输入/输出文本（从/到控制台，文件，网络......）时会发生编码和解码。您的控制台可能在内部使用UTF-8，您的Web服务器提供latin-1，某些文件格式需要奇怪的编码，如Bibtex的重音：fran\c{c}aise。您需要在输入/输出上从/转换它们。

{en|de}code方法执行此操作。它们通常在幕后调用（例如，print "hello world"将字符串编码为终端使用的任何字符串。

我不懂Python中的编码和解码（2.7.3）

4 个答案: