python中编码

来源：互联网发布：caffe 运算结果可视化编辑：程序博客网时间：2024/05/18 01:49
python中的str对象其实就是"8-bit string" ，字节字符串，由unicode经过编码(encode)后的字节组成的，本质上类似java中的byte[]。 而python中的unicode对象应该才是等同于java中的String对象，或本质上是java的char[]。Python内部的字符串一般都是 Unicode编码，代码中字符串的默认编码与代码文件本身的编码是一致的。所以要做一些编码转换通常是要以Unicode作为中间编码进行转换的，即先将其他编码的字符串解码（decode）成 Unicode，再从 Unicode编码（encode）成另一种编码。str.decode（）----> unicode对象unicode.encode（）------> str对象中文编码（默认市asci）在汉字前加个u（u’汉字‘--->它实则为unicode对象），这个u表示将后面跟的字符串以unicode格式存储，如果不加u，python会根据代码第一行标称的（# -*- coding: utf-8 -*- ）编码识别代码中的汉字，然后转换成unicode对象内部处理使用。Str =  '\u597d\u597d' Str.decode('unicode_escape')   能将字符串解码为unicode字符串from chardet import detect
detect('文本')  ＃探测编码Unicode ：\u0000二进制编码：\x00\x00，utf-8,cp936都是二进制编码
# Unicode转化为二进制编码中的一种：utf8
unicodeStr.encode('utf8')
# 二进制编码根据自己的编码种类转化为Unicode
utf8Str.decode('utf8')

# 字符串中混进了\x00
String = 'Utf-8字\x00符串'
print(repr(String.decode('utf8', 'replace'))) 
print(repr(String.decode('utf8', 'ignore')))
0 0