Python3字符串encode与decode详解：编码转换与常见误区

Python3编码基础与类型区分

好久不见，临近年底工作繁忙，笔者也在深入钻研Python的其他领域。作为初学者，自学之路充满挑战。

今天重点讨论Python3在编码处理中的转码细节。

Python3严格区分文本与二进制数据。文本由str类型表示，默认采用Unicode编码；二进制数据则由bytes类型表示，两者不会混用。实际开发中，常需在这两种格式间进行转换。

需注意以下关键点：

encode与decode转换机制

1：字符串经编码转换为字节码，字节码经解码还原为字符串。

转换路径为：str通过encode()转为bytes，bytes通过decode()转为str。

import sys
print('目前系统的编码为：',sys.getdefaultencoding())
name='小明'
print(type(name))#首先我们来打印下转码前的name类型，因为它是str，所以可以通过encode来进行编码
name1=name.encode('utf-8')
print(name1)

运行结果如下：

当前系统默认编码为：utf-8 <class 'str'> b'\xe5\xb0\x8f\xe6\x98\x8e'

此处可能存在疑问：UTF-8编码为何不直接通过decode转为Unicode？

前文已提及，Python3默认编码即为Unicode。UTF-8可视作Unicode的扩展集，因此变量name本身已是Unicode编码。尝试将其encode为UTF-8不会报错，若误认为name是UTF-8编码再去encode，则逻辑不通。

name1=name.decode('utf-8')
print(name1)
这里会报如下错误：
AttributeError: 'str' object has no attribute 'decode'

综上，Python3默认采用Unicode编码。

既然已encode为UTF-8，接下来观察decode的结果。

name2=name1.decode('utf-8')
print(type(name2))
print(name2)
这里要跟大家说下，decode()括号中为什么写utf-8，而不写gbk，可以这样理解，因为要解码，你总得告诉它我是什么编码的吧，比如我原先是utf-8格式的编码，现在要解码，但是如果冒充utf-8，说自己是gbk，那就会出现乱码，见下：
<class 'str'>
<class 'str'>
灏忔槑

此外，若encode()和decode()未指定编码格式，系统默认使用UTF-8，读者可自行验证。

2：UTF-8与GBK编码格式的互转。

掌握UTF-8编解码规律后，尝试其与GBK的转换。

name1=name.encode('utf-8')
name2=name1.decode('utf-8')
name3=name2.encode('gbk')
name4=name3.decode('gbk')
print(type(name3))
print(name3)
下面是name3的结果
<class 'bytes'>
b'\xd0\xa1\xc3\xf7'
下面是name4的结果
<class 'str'>
小明

由上可知，name2先被解码为UTF-8（实为还原为Unicode），随后对name2进行GBK编码，再对name3进行GBK解码。

由此可见，UTF-8与GBK之间的转换均通过Unicode作为中间桥梁。

在示例中：

name2=name1.decode('utf-8')
name3=name2.encode('gbk')

这两步操作均通过Unicode进行转换。

总结。

以上内容为本文全部，希望能为读者的学习或工作提供参考。感谢支持，如需了解更多详情，请查阅相关链接。