048、Python 关于编码与解码-优快云博客

在Python中，字符串的编码和解码是处理字符串与字节之间转换的重要操作。

常见的字符串编码方式包括以下几种：

ASCII 编码（American Standard Code for Information Interchange）：ASCII 是最早的字符编码标准，使用 7 位二进制数（即 128 个字符）来表示常见的英文字母、数字和符号。
Unicode 编码：Unicode 是一种字符集，为世界上几乎所有的字符分配了一个唯一的数字码点。Unicode 编码可以用不同的实现方式，如 UTF-8、UTF-16 和 UTF-32。
UTF-8 编码（Unicode Transformation Format-8）：UTF-8 是一种变长字符编码，能够表示 Unicode 字符集中的所有字符。它使用 1 到 4 个字节来表示一个字符。
UTF-16 编码：UTF-16 是一种变长字符编码，使用 2 或 4 个字节来表示一个字符，常用于表示 Unicode 字符。
UTF-32 编码：UTF-32 是一种固定长度编码，每个字符使用 4 个字节表示，能够准确地表示 Unicode 字符。
Base64 编码：Base64 编码将二进制数据转换为文本字符串的编码方式，常用于数据传输和存储。
URL 编码：也称为百分号编码（Percent Encoding），用于在 URL 中表示特殊字符的编码方式。
其他编码：还有一些其他编码方式，如 ISO-8859 系列、GB2312、Big5 等，用于特定语言或地区的字符集编码。

其中应用最广莫过于Unicode 、Base64 、URL 编码。

1）、Unicode 是一种字符集，旨在为世界上几乎所有的书写系统中的每个字符分配一个唯一的标识符（码点）。Unicode 包含了各种语言的字符、符号、标点符号以及特殊符号，使得计算机能够更好地支持多语言文本处理。

它主要应用在以下场景：

国际化应用程序：Unicode 的主要应用场景是在国际化应用程序中，能够支持多种语言的文本输入、显示和处理，使得软件能够在全球范围内使用。
Web 开发：在 Web 开发中，Unicode 编码用于支持网站上的多语言内容，确保用户能够看到并输入各种语言的文本。
操作系统和软件：许多现代操作系统和软件都采用 Unicode 编码来处理文本数据，以支持不同语言环境下的用户需求。
数据库存储：在数据库系统中，采用 Unicode 编码可以确保存储和检索各种语言的数据，并支持多语言搜索和排序功能。
文本处理工具：Unicode 编码在文本处理工具、编辑器和办公软件中得到广泛应用，使得用户能够处理各种语言的文本数据。

2）、Base64 编码是一种将二进制数据转换为文本字符串的编码方式，它将每三个字节的数据转换为四个可打印字符的编码形式。

它主要应用在以下场景：

数据传输：Base64 编码常用于在网络上传输数据，特别是在电子邮件中，因为电子邮件传输通常只支持文本数据的传输。通过将二进制数据编码为 Base64 格式，可以确保数据在传输过程中不会丢失或损坏。
数据存储：有时候需要将二进制数据以文本形式存储在文本文件或数据库中，而 Base64 编码可以方便地将二进制数据转换为文本格式进行存储。
加密签名：在某些情况下，Base64 编码也可用于简单的数据加密或签名，但它并不是真正的加密算法，只是一种编码方式。
图片和文件传输：在 Web 开发中，Base64 编码经常用于将图片或文件嵌入到 HTML 或 CSS 中，以减少对外部文件的依赖。这种方式可以将图片或文件转换为 Base64 编码的字符串，直接嵌入到代码中。

如：

import base64

# 编码
data = b'Hello, World!'
encoded_data = base64.b64encode(data)
print(encoded_data)  # 输出为 b'SGVsbG8sIFdvcmxkIQ=='

# 解码
decoded_data = base64.b64decode(encoded_data)
print(decoded_data)  # 输出为 b'Hello, World!'

3）、百分号编码（Percent Encoding）也被称为 URL 编码或 URL 转义，是一种在 URL 中用特殊编码表示特殊字符的方法。在百分号编码中，特殊字符被转换为 % 后跟两位十六进制数的形式，例如空格会被编码为 %20。

它主要应用在以下场景：

URL 中的参数传递：在 URL 中传递参数时，如果参数值包含特殊字符（如空格、&、#、%等），为了确保 URL 的正确性和安全性，需要对参数进行百分号编码。例如，空格会被编码为 %20，而 & 会被编码为 %26。
处理特殊字符：在处理文本数据时，有时会遇到需要将特殊字符进行编码的情况。百分号编码可以确保特殊字符在传输和处理过程中不会引起歧义或错误。
防止注入攻击：在 Web 开发中，对用户输入的内容进行百分号编码可以防止一些常见的注入攻击，如 SQL 注入、XSS 攻击等。

如：

假设有一个 URL 需要传递参数 name=John Doe，其中包含空格，那么在 URL 中应该使用百分号编码：

原始 URL：http://example.com?name=John Doe

编码后的 URL：http://example.com?name=John%20Doe

在 Python 中，可以使用 urllib.parse 模块中的 quote() 函数进行百分号编码：

import urllib.parse

original_url = "http://example.com?name=John Doe"
encoded_url = urllib.parse.quote(original_url)
print(encoded_url)  # 输出结果为 "http%3A%2F%2Fexample.com%3Fname%3DJohn%20Doe"

百分号编码在 Web 开发中非常常见，特别是在处理 URL 参数、构建动态 URL、处理表单数据等方面。通过百分号编码，可以确保数据的正确性和安全性，避免出现意外错误或安全漏洞。

总结：

1、选择字符集（编码）的时候，最佳的选择（也是默认的）是UTF-8编码。

2、编码和解码的字符集要保持一致，否则就会出现乱码现场。

3、不能用ISO-8859-1编码保存中文，否则会出现编码黑洞，中文编程?。

4、UTF-8是Unicode的一种实现方案，也是一种变长的编码，最少1个字节（英文和数字），最多4个字节（Emoji）,表示中文用3个字节。