Python3 是如何解決棘手的字元編碼問題的？

標籤：

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。本文就和大家一起來扒一扒python3是如何解決的字元編碼問題，希望對大家學習python3有所協助。Python2 字串設計上的一些缺陷： · 使用 ASCII 碼作為預設編碼方式，對中文處理很不友好。 · 把字串的牽強地分為 unicode 和 str 兩種類型，誤導開發人員 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，文本字元和位元據區分得更清晰，分別用 str 和 bytes 表示。文本字元全部用 str 類型表示，str 能表示Unicode 字元集中所有字元，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 = "禪">>> b’禪’>>> type(b) <class ’str’> bytes Python3 中，在字元引號前加‘b’，明確表示這是一個 bytes 類型的對象，實際上它就是一組二進位位元組序列組成的資料，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資料，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’禪’ File "", line 1SyntaxError: bytes can only contain ASCII literal characters. bytes 類型提供的操作和 str 一樣，支援分區、索引、基本數值運算等操作。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。 >>> 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’禪’ File "", line 1SyntaxError: bytes can only contain ASCII literal characters. python2 與 python3 位元組與字元的對應關係 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 編碼准換。>>> s = "Python之禪">>> 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之禪’>>> b’Python\xd6\xae\xec\xf8’.decode("gbk")’Python之禪’來源：伯樂線上

Python3 是如何解決棘手的字元編碼問題的？