python中的编码和解码及\x和\u问题
作者:气球会膨胀
这篇文章主要介绍了python中的编码和解码及\x和\u问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
编码和解码及\x和\u问题
“字符在内存里的表示是unicode,如果要存盘或者发到网络就经过utf-8,然后对端收到依次解码。”
Python 3里面,str在内存里是unicode表示的
‘中文’ == ‘\u4e2d\u6587’
'中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87' '\u4e2d\u6587'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87'
1个汉字用unicode表示一般是2个byte,
例如:
‘中’=\u4e2d(十六进制写法【即2bytes】)
'A'.encode('ascii') >>>b'A' ('\u0041').encode('ascii') >>>b'A' 'A'.encode('utf-8') >>>b'A'
note: b’A’和’A’
在python 3中
b’A’是ascii编码的01010101的字节,占1个byte;
'A‘是在内存里按unicode形式编码的/ucc,占的是2个byte。
unicode编码后是bytes,如果这个字节范围不在ascii的表示范围内,就会显示成\x(十六进制形式)
例如:
- 汉字编码成bytes,去查看这个bytes肯定只能看到\x系列,因为这个bytes的内容肯定不在ascii范围内;
- 英文编码成bytes可以看到对应的英文字母,本质上它还是没有含义的010101的字节流而不是字符。
"abc".encode('utf-8') b'abc' '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87' 1个汉字,按utf-8编码,一般是3个bytes,\xe4是十六进制表示的1个byte。
相同的英文字符,ascii编码和utf-8编码的结果是一致的,因为这两种编码都使用一个byte表示一个英文字符
'abc'.encode('ascii').decode('utf-8') 'abc'
可以用一个编码然后再另一个解码,是可以成功还原的。但一般是不会这么做的。
ord函数获取字符的整数表示和chr数把编码转换为对应的字符
ord('A') 65 ord('中') 20013 chr(66) 'B' chr(25991) '文'
对str和对bytes用len,意义是不同的。
len(str)统计字符数,len(bytes)统计bytes数
>>> len('中文') 2 len(str)统计字符数 >>> bt1 = '中文'.encode('gb2312') >>> bt2 = '中文'.encode('utf-8') >>> bt1 b'\xd6\xd0\xce\xc4' >>> bt2 b'\xe4\xb8\xad\xe6\x96\x87' >>> len(bt1) 4 >>> len(bt2) 6
以Unicode表示的str通过encode()方法可以编码为指定的bytes
python解析 \x 和 \u "乱码"
参数错误
\xe5\x8f\x82\xe6\x95\xb0\xe6\x9c\x89\xe8\xaf\xaf
今日已经完成过此任务,请明日再做此任务吧!
\u4eca\u65e5\u5df2\u7ecf\u5b8c\u6210\u8fc7\u6b64\u4efb\u52a1\uff0c\u8bf7\u660e\u65e5\u518d\u505a\u6b64\u4efb\u52a1\u5427!
python2.7解析方法
>>> print(u'\xe5\x8f\x82\xe6\x95\xb0\xe6\x9c\x89\xe8\xaf\xaf '.encode('unicode_escape').decode('string_escape')) >>>print('\u4eca\u65e5\u5df2\u7ecf\u5b8c\u6210\u8fc7\u6b64\u4efb\u52a1\uff0c\u8bf7\u660e\u65e5\u518d\u505a\u6b64\u4efb\u52a1\u5427!'.decode('unicode_escape'))
python3解析方法
>>>('\xe5\x8f\x82\xe6\x95\xb0\xe6\x9c\x89\xe8\xaf\xaf '.encode('raw_unicode_escape')).decode() >>>'\u4eca\u65e5\u5df2\u7ecf\u5b8c\u6210\u8fc7\u6b64\u4efb\u52a1\uff0c\u8bf7\u660e\u65e5\u518d\u505a\u6b64\u4efb\u52a1\u5427!'
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。