Python编码规范摆脱Python编码噩梦

博客原文：http://python.iswbm.com/en/latest/c01/c01_44.html

Github：https://github.com/iswbm/PythonCodingTime

Python 中编码问题，一直是很多 Python 开发者的噩梦，尽管你是工作多年的 Python 开发者，也肯定会经常遇到令人神烦的编码问题，好不容易花了半天搞明白了。

一段时间后，又全都忘光光了，一脸懵逼的你又开始你找各种博客、帖子，从头搞清楚什么是编码？什么是 unicode？它和 ASCII 有什么区别？为什么 decode encode 老是报错？python2 里和 python3 的字符串类型怎么都不一样，怎么对应起来？如何检测编码格式？

反反复复，这个过程真是太痛苦了。

今天我把大家在 Python 上会遇到的一些编码问题都讲清楚了，以后你可以不用再 Google，收藏这篇文章就行。

1. Python 3 中 str 与 bytes

在 Python3中，字符串有两种类型 ，str 和 bytes。

今天就来说一说这二者的区别：

unicode string（str 类型）：以 Unicode code points 形式存储，人类认识的形式

byte string（bytes 类型）：以 byte 形式存储，机器认识的形式

在 Python 3 中你定义的所有字符串，都是 unicode string类型，使用 type 和 isinstance 可以判别

# python3

>>> str_obj = "你好"
>>> 
>>> type(str_obj)
<class 'str'>
>>> 
>>> isinstance("你好", str)
True
>>> 
>>> isinstance("你好", bytes)
False
>>> 

而 bytes 是一个二进制序列对象，你只要你在定义字符串时前面加一个 b，就表示你要定义一个 bytes 类型的字符串对象。

# python3
>>> byte_obj = b"Hello World!"
>>> type(byte_obj)
<class 'bytes'>
>>> 
>>> isinstance(byte_obj, str)
False
>>> 
>>> isinstance(byte_obj, bytes)
True
>>> 

但是在定义中文字符串时，你就不能直接在前面加 b 了，而应该使用 encode 转一下。

>>> byte_obj=b"你好"<br>  File "<stdin>", line 1<br>SyntaxError: bytes can only contain ASCII literal characters.<br>>>> <br>>>> str_obj="你好"<br>>>> <br>>>> str_obj.encode("utf-8")<br>b'\xe4\xbd\xa0\xe5\xa5\xbd'<br>>>> <br>

2. Python 2 中 str 与 unicode

而在 Python2 中，字符串的类型又与 Python3 不一样，需要仔细区分。

在 Python2 里，字符串也只有两种类型，unicode 和 str 。

只有 unicode object 和 非unicode object（其实应该叫 str object） 的区别：

unicode string（unicode类型）：以 Unicode code points 形式存储，人类认识的形式byte string（str 类型）：以 byte 形式存储，机器认识的形式

当我们直接使用双引号或单引号包含字符的方式来定义字符串时，就是 str 字符串对象，比如这样

# python2

>>> str_obj="你好"
>>>
>&g<i style="color:transparent">本文来源gaodai$ma#com搞$代*码6网</i>t;> type(str_obj)
<type 'str'>
>>>
>>> str_obj
'\xe4\xbd\xa0\xe5\xa5\xbd'
>>>
>>> isinstance(str_obj, bytes)
True
>>> isinstance(str_obj, str)
True
>>> isinstance(str_obj, unicode)
False
>>>
>>> str is bytes
True

喜欢 (0)赏

[搞代码]

分享 (0)