python3.x的字符编码的转换

首先须要说的是python3的默认编码是Unicode,在pycharm中只是用utf-8去解释，实际的编码仍是Unicode

a = "某gbk编码格式"

a.decode("gbk").encode("utf-8")

#先用gbk方式解码成unicode，再转换成utf-8

python 3中最重要的新特性可能就是将文本(text)和二进制数据作了更清晰的区分。文本老是用unicode进行编码，以str类型表示；而二进制数据以bytes类型表示。

在python3中，不能以任何隐式方式将str和bytes类型两者混合使用。不能够将str和bytes类型进行拼接，不能在str中搜索bytes数据(反之亦然)，也不能将str做为参数传入须要bytes类型参数的函数(反之亦然)。

字符串和字节符之间划分界线是必然的。上面这个图解要牢记于心：

strings能够被编码(encode)成字bytes,bytes也能够解码(decode)成strings：

 

1 2 3 4

>>> '€20'.encode('utf-8') b'\xe2\x82\xac20' >>> b'\xe2\x82\xac20'.decode('utf-8') '€20'

 

能够这样理解：

string是文本(text)的抽象表示。字符串(string)由字符组成，字符也是抽象的实体且与任何二进制表示无关。

当操纵字符串的时候，不少细节是不用了解的。咱们能够分割、切片和拼接字符串，在字符串内部进行搜索。但并不在意内部是如何表示的，也不用在乎底层一个字符要花费多少byte。

只有在须要将string编码(encode)成byte的时候，好比：经过网络传输数据；或者须要将byte解码(decode)成string的时候，咱们才会关注string和byte的区别。

 

传入encode和decode的参数是编码方式。编码是一种用二进制数据表示抽象字符的方式。目前有不少种编码。上面给出的UTF-8是其中一种，下面是另外一种：

 

1 2 3 4

>>> '€20'.encode('iso-8859-15') b'\xa420' >>> b'\xa420'.decode('iso-8859-15') '€20'

 

编码是这个转换过程当中相当重要的一部分。若不编码，bytes对象b'\xa420'只是一堆比特位而已。编码赋予其含义。采用不一样的编码，这堆比特位的含义就会大不一样：

 

1 2	>>> b'\xa420'.decode('windows-1255') '₪20'