python的str，unicode對象的encode和decode方法

python中的str對象其實就是"8-bit string" ，字節字符串，本質上類似java中的byte[]。

而python中的unicode對象應該才是等同于java中的String對象，或本質上是java的char[]。

對于

Python代碼

s="你好"

u=u"你好"

1. s.decode方法和u.encode方法是最常用的，

簡單說來就是，python內部表示字符串用unicode（其實python內部的表示和真實的unicode是有點差別的，對我們幾乎透明，可不考慮），和人交互的時候用str對象。

s.decode -------->將s解碼成unicode，參數指定的是s本來的編碼方式。這個和unicode(s,encodename)是一樣的。

u.encode -------->將unicode編碼成str對象，參數指定使用的編碼方式。

助記：decode to unicode from parameter

encode to parameter from unicode

只有decode方法和unicode構造函數可以得到unicode對象。

上述最常見的用途是比如這樣的場景，我們在python源文件中指定使用編碼cp936，

# coding=cp936或#-*- coding:cp936 -*-或#coding:cp936的方式（不寫默認是ascii編碼）

這樣在源文件中的str對象就是cp936編碼的，我們要把這個字符串傳給一個需要保存成其他編碼的地方（比如xml的utf-8,excel需要的utf-16）

通常這么寫：

strobj.decode("cp936").encode("utf-16")

You typically encode a unicode string whenever you need to use it for IO, for instance transfer it over the network, or save it to a disk file.

To convert a string of bytes to a unicode string is known as decoding. Use unicode('...', encoding) or '...'.decode(encoding).

You typically decode a string of bytes whenever you receive string data from the network or from a disk file.

2.

第一條已經寫了不少，因為是最常用到的，基本不用怎么解釋。我重點想說的是這第二條。

似乎有了unicode對象的encode方法和str的decode方法就足夠了。奇怪的是，unicode也有decode，而str也有

encode，到底這兩個是干什么的。

用處1

str本身已經是編碼過的了，如果再encode很難想到有什么用（通常會出錯的）

先解釋下這個

str.encode(e) is the same as unicode(str).encode(e).

This is useful since code that expects Unicode strings should also work when it is passed

ASCII-encoded 8-bit strings(from Guido van Rossum)

python之父的這段話大概意思是說encode方法本來是被unicode調的，但如果不小心被作為str對象的方法調，并且這個str對象正好

是ascii編碼的（ascii這一段和unicode是一樣的），也應該讓他成功。這就是str.encode方法的一個用處（我覺得這個基本等于沒用）

類似地，把光用ascii組成的unicode再decode一回是一樣的道理，因為好像幾乎任何編碼里ascii都原樣沒變。因此這樣的操作等于沒做。

u"abc".decode("gb2312")和u"abc"是相等的。

用處2

非字符的編碼集non-character-encoding-codecs，這些只在python中定義，離開python就沒意義（這個來自python的官方文檔）

并且也不是人類用的語言，呵呵。

比如

Python代碼'\n'.encode('hex')=='0a'

u'\n'.encode('hex')=='0a'

'0a'.decode('hex')=='\n'

u'0a'.decode('hex')=='\n'

可見名為hex的編碼可以講字符表示（當然了，必須是ascii內的）和十六進制表示之間轉換

另外還有很多好玩的，比如：base64通俗的講是號稱防君子不防小人的給郵件的編碼，gzip大概是指壓縮吧（這是我猜的），rot13回轉13等，不知者google之

關于這些，官方有個詳細的表格，在http://docs.python.org/library/codecs.html中的Standard Encodings一節中，前一個表格是基于字符的編碼，第二個表格

就是這里的非字符的編碼。關于這些特殊編碼，官方一句說明：

For the codecs listed below, the result in the “encoding” direction is always a byte string.

The result of the “decoding” direction is listed as operand type in the table.

encode的結果一定是一個byte的str，而decode的結果在表中operand一列。

參考

Converting Between Unicode and Plain Strings 在Unicode和普通字符串之間轉換

http://wiki.woodpecker.org.cn/moin/PyCkBk-3-18

what’s the difference between encode/decode? (python 2.x)

http://stackoverflow.com/questions/447107/whats-the-difference-between-encode-decode-python-2-x

http://docs.python.org/library/codecs.html

編碼聲明的作用

請參考http://www.python.org/dev/peps/pep-0263/

聲明源文件中將出現非ascii編碼；

在高級的IDE中，IDE會將你的文件格式保存成你指定編碼格式。

決定源碼中類似于u'哈'這類聲明的將'哈'解碼成unicode所用的編碼格式，也是一個比較容易讓人迷惑的地方。

（java不需要聲明的原因在于：java中默認是本地編碼而py中默認是ascii，搞得python更易出錯，

并且，java編譯的時候還有個指定編碼的參數encoding）

文件的編碼格式決定了在該源文件中聲明的字符串的編碼格式，例如：

Python代碼str?=?'哈哈'

print?repr(str)

a.如果文件格式為utf-8，則str的值為：'\xe5\x93\x88\xe5\x93\x88'（哈哈的utf-8編碼）

b.如果文件格式為gbk，則str的值為：'\xb9\xfe\xb9\xfe'（哈哈的gbk編碼）

我的理解：文件編碼格式保存后沒有地方指明，只有靠聰明或笨的編輯器，編譯器去猜。而聲名就更精確一些。

讓兩者一致了總不會錯。

其實好多其他語言或應用中也是類似的decode和encode概念，比如在java中String的涉及的編碼轉換及jdk中的工具native2ascii，

好像javascript也有這個，記不清楚了。

總結

以上是生活随笔為你收集整理的pythonunicode和str_python的str，unicode对象的encode和decode方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。