Python基础知识之字符编码与转码

蔚落 2021-09-20 10:26 361阅读 0赞

## 字符编码 ##

python解释器在加载.py文件中的代码时，会对内容进行编码（默认ASCII）

### ASCII码 ###

ASCII（American Standard Code for Information Interchange,美国标准信息交换代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言，其最多只能用8位来表示（一个字节），ASCII码最多只能表示255个字符。

### 中文的处理 ###

GB2312编码适用于汉字处理、汉字通信等系统之间的信息交换，通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。

基本集共收入汉字6763个和非汉字图形字符682个。整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。

把换算成十六进制的区位码加上2020H，就得到国标码。国标码加上8080H，就得到常用的计算机机内码。1995年又颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。

### Unicode的出现 ###

统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

### UTF-8编码格式 ###

utf-8编码格式规定中文统一占三个字节。

如何获取当前系统的默认代码格式？

import sys
    print(sys.getdefaultencoding())

## 字符转码 ##

**在Python3 中默认所有的字符都是Unicode**，因此只需要encode不需要decode成Unicode了  
![这里写图片描述][SouthEast]

*  如果将字符串转换成gbk编码的话：  
    `s = "unicode字符串" s_gbk = s.encode("gbk")`
 *  如果将字符串转换成utf-8编码的话：
    
        s_utf8 = s.encode("utf-8")
 *  如果将gbk格式的字符串转换为utf-8格式的话，需要先将gbk格式转换为Unicode格式再将Unicode转换为utf-8格式的编码：  
    `gbk_to_utf8 = s_gbk.decode("gbk").encode("utf-8")`

需要注意的是，`encode`之后的字符串会默认转换为`bytes`类型。

转载于:https://www.cnblogs.com/bearkchan/p/8046417.html

[SouthEast]: /images/20210726/4ef141ca98d14af38e5fa48cc98eff10.png