python中python2和python3区别(一图看懂Python2还是Python3的编码)
python中python2和python3区别(一图看懂Python2还是Python3的编码)>>> s_utf8 = s.encode('utf8') >>> type(s_utf8) <class 'bytes'> >>> len(s_utf8) 15 >>> s_utf8 b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' >>> print(s_utf8) b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' >>> s_utf8.decode('utf8') 'abc天圆地方' utf8编码就是bytes类型(字节码),长度就是字节数量。我们把unicode字符串’abc天圆地方’转成gbk编码:>>> s_gbk= s.e
无论是Python2还是Python3,都使用unicode作为内存编码,简称内码。保存在python解释器内存中的文本,输出到屏幕、编辑器,或者保存成文件的时候,都要将内码转换成utf8或者gbk等编码格式;同样,python解释器从输入设备接收文本,或者从文件读取文本的时候,都要将utf8或者gbk等编码转换成unicode编码格式。因此,无论是Python2还是Python3,想要在unicode、utf8、gbk等编码格式之间转换的话,下图是通用的:
我们之所以会产生困惑,是因为py2和Python3给这些编码格式指定了令人困惑的名字。Python2的字符串有两种类型:unicode类型和str类型。Python2的unicode类型就是unicode编码,Python2的str类型泛指除unicode编码之外的所有编码,包括ascii编码、utf8编码、gbk编码、cp936编码等。Python3的字符串也有两种类型:bytes类型和str类型。Python3的str类型就是unicode编码,Python3的bytes类型泛指除unicode编码之外的所有编码,包括ascii编码、utf8编码、gbk编码、cp936编码等。同样是str类型,在Python2和Python3中完全颠倒了!下图稍微补充了一点内容,更有助于理解编码问题。
接下来,我们实战演练一下。
>>> s = 'abc天圆地方' >>> type(s) <class 'str'> >>> len(s) 7 >>> s 'abc天圆地方' >>> print(s) abc天圆地方 >>> s.encode('unicode-escape') b'abc\\u5929\\u5706\\u5730\\u65b9'
不管是否在字符串前面加了u,只要不在字符串前面使用b,在IDLE中定义的字符串都是unicode编码,也就是py3的<class ‘str’>,其长度就是字符数量,不是字节数。我们把unicode字符串’abc天圆地方’转成utf8编码:
>>> s_utf8 = s.encode('utf8') >>> type(s_utf8) <class 'bytes'> >>> len(s_utf8) 15 >>> s_utf8 b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' >>> print(s_utf8) b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9' >>> s_utf8.decode('utf8') 'abc天圆地方'
utf8编码就是bytes类型(字节码),长度就是字节数量。我们把unicode字符串’abc天圆地方’转成gbk编码:
>>> s_gbk= s.encode('gbk') >>> type(s_gbk) <class 'bytes'> >>> len(s_gbk) 11 >>> s_gbk b'abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' >>> print(s_gbk) b'abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' >>> s_gbk.decode('s_gbk') 'abc天圆地方'
gbk编码也是bytes类型(字节码),长度也是字节数量。我们再来看看,不同编码的字节码能否连接:
>>> ss = s_utf8 s_gbk >>> ss b'abc\xe5\xa4\xa9\xe5\x9c\x86\xe5\x9c\xb0\xe6\x96\xb9abc\xcc\xec\xd4\xb2\xb5\xd8\xb7\xbd' >>> ss.decode('utf8') Traceback (most recent call last): File "<pyshell#64>" line 1 in <module> ss.decode('utf8') UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcc in position 18: invalid continuation byte >>> ss.decode('gbk') 'abc澶╁渾鍦版柟abc天圆地方' >>> ss.decode('utf8' 'ignore') 'abc天圆地方abcԲط' >>> ss.decode('gbk' 'ignore') 'abc澶╁渾鍦版柟abc天圆地方'
看以看出,不同编码的字节码可以连接,但一般不能解码成unicode(字符串),除非使用ignore参数。