Python3 最重要的一項改進之一就是解決了 Python2 中字串與字元編碼遺留下來的這個大坑。 Python 編碼為什麼那麼蛋會痛?已經介紹過 Python2 字串設計上的一些缺陷:
- 使用 ASCII 碼作為預設編碼方式,對中文處理很不友善。
- 把字串牽強地分成 unicode 和 str 兩種類型,誤導開發者
#當然這並不算Bug,只要處理的時候多留心也可以避免這些坑。但在 Python3兩個問題都很好的解決了。
首先,Python3把系統預設編碼設定為UTF-8
>>> import sys >>> sys.getdefaultencoding() 'utf-8' >>>
然後,文字字元和二進位資料區分得更清晰,分別用str和bytes表示。文字字符全部用str類型表示,str能表示Unicode字符集中所有字符,而二進位位元組資料用一種全新的資料類型,用bytes來表示。
str
>>> a = "a" >>> a 'a' >>> type(a) <class 'str'> >>> b = "禅" >>> b '禅' >>> type(b) <class 'str'>
bytes
Python3 中,在字元引號前加'b',明確表示這是一個bytes 類型的物件,實際上它就是一組二進位位元組序列組成的數據,bytes 類型可以是ASCII範圍內的字元和其它十六進位形式的字元數據,但不能用中文等非ASCII字元表示。
>>> c = b'a'>>> c b'a'>>> type(c) <class 'bytes'> >>> d = b'\xe7\xa6\x85'>>> d b'\xe7\xa6\x85'>>> type(d) <class 'bytes'> >>> >>> e = b'禅' File "<stdin>", line 1SyntaxError: bytes can only contain ASCII literal characters.
bytes類型提供的運算和str一樣,支援分片、索引、基本數值運算等運算。但是str與bytes類型的資料不能執行+操作,儘管在py2中是可行的。
>>> b"a"+b"c" b'ac' >>> b"a"*2 b'aa' >>> b"abcdef\xd6"[1:] b'bcdef\xd6' >>> b"abcdef\xd6"[-1] 214 >>> b"a" + "b" Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: can't concat bytes to str
encode 與 decode
str與bytes之間的轉換可以用encode和從decode方法。
encode負責字元到位元組的編碼轉換。預設使用UTF-8編碼準換。
>>> s = "Python之禅" >>> s.encode() b'Python\xe4\xb9\x8b\xe7\xa6\x85' >>> s.encode("gbk") b'Python\xd6\xae\xec\xf8'
decode負責位元組到字元的解碼轉換,通用使用UTF-8編碼格式進行轉換。
>>> b'Python\xe4\xb9\x8b\xe7\xa6\x85'.decode() 'Python之禅' >>> b'Python\xd6\xae\xec\xf8'.decode("gbk") 'Python之禅'
以上是Python3解決棘手的字符編碼問題詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章!