【Python】python3編碼方式encode介紹

上一篇文章介紹了計算機編碼發展歷史和編碼方式，現在我們聚焦到python語言中，在最新的Python3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言。例如：

print('我喜歡 computer'.encode('utf-8'))

解釋：print函數輸出的這句話在python裏是使用Unicode編碼的（當然它此時也在內存中，因爲它現在正被加載着...）

• 打印結果：b'\xe6\x88\x91\xe5\x96\x9c\xe6\xac\xa2 computer'

看這個輸出十分有趣，首先，輸出是以b開頭的，說明這是一段bytes。有沒有想起上篇文章說過的utf-8是向下兼容ASCII碼的？
你看輸出中的英文computer就被原樣輸出，而ASCII碼不能識別的中文，則用utf-8編碼方式來表示，如\xe8,\x88等等。
那Unicode編碼方式用得好好的，可以直接混合輸出英文和中文等多種語言，換成utf-8輸出字符只有英文能讓我們看懂，中文變成了難以分辨的十六進制（\xe8\xbf\x99\xe5\x8f\xa5\xe8...），我們爲什麼還要有utf-8編碼方式呢？
想到這個問題說明你已經get到點了。你想，utf-8編碼方式的優點是什麼？
就是省內存啊
那麼，由於Python的字符串類型是str，在內存中以Unicode編碼的，一個字符對應若干個字節。
如果要在網絡上傳輸，或者保存到磁盤上，就需要把Unicode編碼的str變爲以字節爲單位的bytes，而通過utf-8編碼或者ASCII碼編碼生成的結果就是以字節爲單位的bytes。
這句話這麼長無非就重複一個觀點：

• python中的str是以Unicode編碼的，如果要在網絡上傳輸，或者保存到磁盤上，就得轉換爲utf-8編碼方式。

再舉個例子：

print('I love computer'.encode('ascii'))

• 打印結果：b'I love computer'

解釋：由於'I love computer'是純英語，所以可以用ASCII編碼。
再看：'I love computer'和'b'I love computer''有什麼不同？沒錯，多了一個b。這個b大有玄妙之處：
'I love computer'是python中的str,是以Unicode方式編碼的。
'b'I love computer''也是python中的str，但它是以ASCII碼編碼的。
同樣用utf-8編碼打印結果是一樣的，（ASCII編碼實際上可以被看成是UTF-8編碼的一部分）
好了，前面是對純英文的str進行編碼，那對中文的str編碼呢？可以對中文的str進行utf-8編碼，可以進行ASCII碼編碼嗎？

print('我喜歡 computer'.encode('ascii'))

報錯：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

str_en = 'I love computer'
str_cn = '我喜歡 computer'
bytes_e = b'I love computer'
bytes_c = b'\xe6\x88\x91\xe5\x96\x9c\xe6\xac\xa2 computer'
#bytes_cm = b'我喜歡 computer'   # bytes can only contain ASCII literal characters.

# bytes方法進行編碼
def bytes_sample():
    bytes_en_by = bytes(str_en, encoding='utf_8')
    bytes_cn_by = bytes(str_cn, encoding='utf_8')
    print('純英文字符串轉換爲bytes：',bytes_en_by)
    print('含中文字符串轉換爲bytes：',bytes_cn_by)

# 編碼
def encode_sample():
    bytes_en = str_en.encode('utf-8')
    bytes_cn = str_cn.encode('utf-8')
    bytes_en_as = str_en.encode('ascii')
    print('utf-8純英文編碼：',bytes_en)
    print('utf-8含中文編碼：',bytes_cn)
    print('ascii純英文編碼：',bytes_en_as)
    #str_bytes= str.encode(str_cn)                   # 默認utf-8，等價於下面3個
    #str_bytes= str.encode(str_cn,'utf_8')
    #str_bytes= str.encode(str_cn,encoding='utf_8')
    str_bytes= str_cn.encode()
    print('str轉成by含中文：',str_bytes)
    #bytes_cn_as = str_cn.encode('ascii')
    #print('ascii含中文編碼,會報錯：',bytes_cn_as)

# 解碼
def decode_sample():
    str_e = bytes_e.decode('utf-8')
    str_c = bytes_c.decode('utf-8')
    str_a = bytes_e.decode('ascii')
    print('utf-8純英文解碼：',str_e)
    print('utf-8含中文解碼：',str_c)
    print('ascii純英文解碼：',str_a)


if __name__ == '__main__':
    encode_sample()
    #decode_sample()
    #bytes_sample()

注意：b後面加上字符串，可以自動轉換爲bytes類型，但是隻針對ASCII類型