Python开发【第三章】：编码转换

一、字符编码与转码

1、bytes和str

之前有学过关于bytes和str之间的转换，详细资料-》bytes和str（第四字符串）

2、为什么要进行编码和转码

由于每个国家电脑的字符编码格式不统一（列中国：GBK），同一款软件放到不同国家的电脑上会出现乱码的情况，出现这种情况如何解决呢？！ 当然由于所有国家的电脑都支持Unicode万国码，那么我们可以把Unicode为跳板，先把字符编码转换为Unicode，在把Unicode转换为另一个国家的字符编码（例韩国），则不会出现乱码的情况。当然这里只是转编码集并不是翻译成韩文不要弄混了。

 3、Python3.0进行编码转换

#!/usr/bin/env python
#-Author-Lian
#Python3.0环境
import sys,chardet

print (sys.getdefaultencoding())       #获取默认编码(UTF-8)
name = "连志雷"                        #此时name为Unicode编码

name_utf8 = name.encode("utf-8")      #转为UTF-8编码
print(name_utf8)
print(chardet.detect(name_utf8))       #注：Unicode编码无法用chardet查看编码格式
print(name_utf8.decode("utf-8"))     #编码为UTF-8后再转码为Unicode

name_gbk = name.encode("gbk")           #转为GBK编码
print(name_gbk)
print(chardet.detect(name_gbk))          #查看当前的字符编码格式
print(name_gbk.decode("gbk"))           #编码为GBK后再转码为Unicode

#utf-8
#b'\xe8\xbf\x9e\xe5\xbf\x97\xe9\x9b\xb7'
#{'confidence': 0.87625, 'encoding': 'utf-8'}
#连志雷
#b'\xc1\xac\xd6\xbe\xc0\xd7'
#{'confidence': 0.73, 'encoding': 'windows-1252'}
#连志雷

4、Python2.0中的编码转换

① 声明字符编码（utf-8）

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lia

#Python2.0环境  默认编码ascii
import sys
name = "你好"            #ascii码里是没有字符“你好”的，此时的name为uft-8

print (sys.getdefaultencoding())        #获取默认编码
print(name.decode("utf-8"))            #把uft-8码解码为Unicode

name_unicode=name.decode("utf-8")
print (name_unicode,type(name.decode("utf-8"))) #查看当前的字符编码

name_gbk=name_unicode.encode("gbk")     #把字符有Unicode转换为gbk
print(name_gbk)

#ascii
#你好
#(u'\u4f60\u597d', <type 'unicode'>)
#���

② 使用默认字符编码（ascii）

#!/usr/bin/env python
#-Author-Lia
import sys
name = "nihao"              #英文字符，且第二行字符声明去掉，此刻name为ascii码

print (sys.getdefaultencoding())        #获取系统编码
name_unicode = name.decode("ascii")     #ascii码转换为unicode
print(name_unicode,type(name_unicode))

name_utf8=name_unicode.encode("utf-8")  #unicode转换为utf-8
print(name_utf8,type(name_utf8))

name_gbk=name_unicode.encode("gbk")     #unicode转换为gbk
print(name_gbk,type(name_gbk))

#ascii
#(u'nihao', <type 'unicode'>)
#('nihao', <type 'str'>)
#('nihao', <type 'str'>)

总结：Python2.x里默认字符编码为ascii，如果不声明编码格式，则输入的字符格式都是ascii码（中文不在ascii里面，输入报错）；如果要输入中文字符，则需要声明编码格式，此时中文字符的编码格式不跟随默认字符编码格式，而是与声明的编码格式一致（上面实例为utf-8），这些都需谨记。