Python字符串之encode & decode

1. Encode

将str类型编码成bytes类型：

>>>strs = '中文English'
>>>strs.encode('utf-8')

b'\xe4\xb8\xad\xe6\x96\x87English'

>>>strs.encode('gb2312')

b'\xd6\xd0\xce\xc4English'

>>>bytes(strs,'utf-8')                                           

b'\xe4\xb8\xad\xe6\x96\x87English'

bytes()函数同str.encode()。

2. Decode

将bytes类型（如utf-8编码）解码成str类型：

>>>b'\xe4\xb8\xad\xe6\x96\x87ENGLISH'.decode('utf-8')             

'中文ENGLISH'

3. 解码错误情况

如果将utf-8编码的bytes类型解码成gb2312时出错，可通过第三方库chardet函数detect检测出编码方式。

from charted import detect
wd = '中华人民共和国'
wt = ws.encode('utf-8')
print(wt)
detect(wt)

将返回结果:

b'\xe4\xb8\xad\xe5\x8d\x8e\xe4\xba\xba\xe6\xb0\x91\xe5\x85\xb1\xe5\x92\x8c\xe5\x9b\xbd'
{'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

encoding的值为其检测出的编码类型，确认是该编码的置信度为confidence的值，此处将中文字符编码成utf-8后未能识别出语言。

下面，再将wd编码成gb2312,

wt1 = ws.encode('gb2312')
detect(wt1)

返回结果：

{'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'}

识别出语言为中文。