Python3 是如何解決棘手的字元編碼問題的?

發表於2017-08-06

Python3 最重要的一項改進之一就是解決了 Python2 中字串與字元編碼遺留下來的這個大坑。Python 編碼為什麼那麼蛋疼?已經介紹過 Python2 字串設計上的一些缺陷:

  • 使用 ASCII 碼作為預設編碼方式,對中文處理很不友好。
  • 把字串的牽強地分為 unicode 和 str 兩種型別,誤導開發者

當然這並不算 Bug,只要處理的時候多留心也可以避免這些坑。但在 Python3 兩個問題都很好的解決了。

首先,Python3 把系統預設編碼設定為 UTF-8

然後,文字字元和二進位制資料區分得更清晰,分別用 str 和 bytes 表示。文字字元全部用 str 型別表示,str 能表示 Unicode 字符集中所有字元,而二進位制位元組資料用一種全新的資料型別,用 bytes 來表示。

str

bytes

Python3 中,在字元引號前加‘b’,明確表示這是一個 bytes 型別的物件,實際上它就是一組二進位制位元組序列組成的資料,bytes 型別可以是 ASCII範圍內的字元和其它十六進位制形式的字元資料,但不能用中文等非ASCII字元表示。

bytes 型別提供的操作和 str 一樣,支援分片、索引、基本數值運算等操作。但是 str 與 bytes 型別的資料不能執行 + 操作,儘管在py2中是可行的。

python2 與 python3 位元組與字元的對應關係

PYTHON2 PYTHON3 表現 轉換 作用
str bytes 位元組 encode 儲存
unicode str 字元 decode 顯示

encode 與 decode

str 與 bytes 之間的轉換可以用 encode 和從decode 方法。

python3-str2

encode 負責字元到位元組的編碼轉換。預設使用 UTF-8 編碼準換。

decode 負責位元組到字元的解碼轉換,通用使用 UTF-8 編碼格式進行轉換。

相關文章