Python_关于python2的encode（编码）和decode（解码）的使用

news2024/11/26 7:39:50

python执行过程的编解码

encode&decode

中文乱码解决方法

常见问题

格式化带有中文的字符串报错

带有中文的字符串反转后乱码

在使用Python2时，我们习惯于在文件开头声明编码

# coding: utf-8

不然在文件中出现中文，运行时就会报错 SyntaxError: Non-ASCII character... 之类，这是因为python2的文件编码默认使用的ascii，ascii码是不支持中文的。

如果在开头声明了编码，文件编码就会变为utf-8。

python执行过程的编解码

python使用的unicode类型作为编码的基础类型，默认情况下，python在执行文件过程中的编解码为 str-->unicode-->str，当我们在python开头声明utf-8编码后，编解码就变为了 str-->ascii-->str

举个简单例子，就可以验证这个现象。

# coding:utf-8
s = "我要学Python"
print(1, s)

从打印结果可以看出，我们没有做任何处理，中文在执行过程就被处理成了ascii码

encode&decode

在了解了Python执行过程的编码转换后，那我们自己如果转换编码该如何实现呢？这里就得使用两个内置方法 encode编码和decode解码。

例如：

# coding:utf-8
s = "我要学Python"
s.encode("utf-8")   # 编码
s.decode("utf-8")   # 解码

上面是方法的简单运用，但是执行上面代码，第3行就会出现编解码过程中常见的一个报错

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)

简单分析下，明明执行的encode方法，为什么会抛decode错误呢？这就要从上面介绍的python执行过程来分析了。

在执行encode方法编码时，python先要解码，而Python解码默认用unicode格式，而文件开头指定的编码格式为ascii，这就导致编码格式与解码格式不一致，从而产生了报错 ascii 不能解码成 unicode。

要解决这个问题，只需要在编码前，用utf-8格式解码就可以了

s = "我要学Python"
s.decode("utf-8").encode("utf-8")   # 编码
s.decode("utf-8")   # 解码

中文乱码解决方法

在了解编解码过程后，我们来解决实际遇到的问题：接口响应中文乱码！

比如：在接口测试中，有些响应类似 "\u9875\u9762\u4e0d\u5b58\u5728" 的响应内容，看起来就像乱码

注意看乱码前面有个u ，这表示使用的unicode编码字符。可用以下方法进行解码：

# 直接在 unicode 字符串前加u  ===> 使用Python机制自动解码
s = u"\u9875\u9762\u4e0d\u5b58\u5728"
print(s)   # 打印：页面不存在。因为字符串为unicode编码格式，python在执行过程中，默认就是使用的unicode解码，编解码类型一致，就看到了中文打印内容

# 使用 decode 方法解码成中文 ===> 主动解码
s = "\u9875\u9762\u4e0d\u5b58\u5728"
print(s.decode("unicode_escape"))

常见问题

格式化带有中文的字符串报错

格式拼接的字符串包含中文，会抛错：UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 0: ordinal not in range(128)

# coding:utf-8

s = "\u9875\u9762\u4e0d\u5b58\u5728"

# 拼接的字符串 不包含 中文字符===>正常
print("result: %s" % s.decode("unicode_escape"))

# 拼接的字符串 包含 中文字符串===>异常
print("结果： %s" % s.decode("unicode_escape"))

问题分析：

解决方法：

统一编码格式

# coding:utf-8

s = "\u9875\u9762\u4e0d\u5b58\u5728"

# 方法1：将右边变为 ascii 编码
print("结果:%s" % s.decode("unicode_escape").encode("utf-8"))

# 方法2：将左边变为 unicode 编码
print(u"结果:%s" % s.decode("unicode_escape"))

带有中文的字符串反转后乱码

带有中文的字符串使用列表反转方式后乱码，使用decode("utf-8") 解码，报错：UnicodeDecodeError: 'utf8' codec can't decode byte 0xa0 in position 0: invalid start byte

# coding:utf-8

s = "qta_baseline_test_勿删"[::-1]
print(s)
print(s.decode("utf-8"))

问题分析：

中文被Python解析后，先转换成ascii码

当使用列表反转方式后，实际把ascii反转

这就导致了反转后的乱码无法被decode("utf-8")正常解码

解决方法：

因为采用的utf-8编码，所以先使用utf-8解码，解码后再反转

# coding:utf-8

s = "qta_baseline_test_勿删"[::-1]
print(s)

s = "qta_baseline_test_勿删".decode("utf-8")[::-1]
print(s)
s = s.encode("utf-8")       # 为了后续字符串能正常使用，建议在按原编码方式编码
print(s)