當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

encode()和decode()编码与解码的解析、常用编码与为何要encode和decode

發布時間：2023/12/16 编程问答 29 豆豆

生活随笔收集整理的這篇文章主要介紹了 encode()和decode()编码与解码的解析、常用编码与为何要encode和decode 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

文章目錄

(小拓展)：
（一）ASCII 碼
（二）Unicode 碼
（三）UTF-8 碼
（四）總結與encode、decode
（五）encode()和decode()
（六）字符編碼

(小拓展)：

下面是每個字符對應的編號，字符0-9對應編號48~57，就是說ASCII碼全是字符！

我們鍵盤上每個鍵都對應一個ascii碼，這也就是為什么python中input(‘請輸入一個數’)得到的是字符，我們還得把它轉換成int的原因了。

（一）ASCII 碼

ASCII 碼表示 127 個英文字符。

ASCII 碼最先出現，最初只適合英語。

隨著計算機普及，各國家語言不同，文字多少更是不同，127個根本不夠用。各國都要為自己的語言編碼。

中國自己的編碼是gbk，每個中文需要使用兩個字節來編碼，中文編碼的規則 —— GB2312 （都是常用漢字），比如高考報名時有的學生姓名輸入是亂碼，就是因為教育部用的GB2312，而他的名字中有個太偏僻的字。

由于不同國家有不同的編碼規則，如日本，韓國都使用各自國家的編碼規則，在多語言
混用的場合會出現混亂。怎么解決？

（二）Unicode 碼

Unicode 用來把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。

Unicode通常用兩個字節編碼（有的也用四個字節），而 ASCII 碼通常用一個字節字節。ASCII 碼轉換成 Unicode 在前面一個字節補 0。

Unicode碼雖然全面，但是用起來笨重，比如說我就是想傳個1到服務器，你還要給我用兩個字節編碼么？傳額外15個0？

（三）UTF-8 碼

UTF-8 把unicode進行優化，減小了硬盤存儲空間浪費與傳輸效率低下。

不過在內存中都要轉換成unicode。

UTF-8 編碼把一個 Unicode 字符根據不同的數字大小編碼成 1-6 個字節，常用的英文字
母被編碼成 1 個字節，漢字通常是 3 個字節，只有很生僻的字符才會被編碼成 4-6 個字節。

如果你要傳輸的文本包含大量英文字符，用 UTF-8 編碼就能節省空間。

UTF-8 的一個好處在于，原有的 ASCII 的編碼可以在 UTF-8 下繼續工作。

（四）總結與encode、decode

搞清楚了 ASCII、Unicode 和 UTF-8 的關系，我們就可以總結一下現在計算機系統通用
的字符編碼工作方式：

在計算機內存中，統一使用 Unicode 編碼，當需要保存到硬盤或者需要傳輸的時候，
就轉換為 UTF-8 編碼。

用記事本編輯的時候，從文件讀取的 UTF-8 字符被轉換為 Unicode 字符到內存里，編
輯完成后，保存的時候再把 Unicode 轉換為 UTF-8 保存到文件：rw-file-utf-8 。

瀏覽網頁的時候，服務器會把動態生成的 Unicode 內容轉換為 UTF-8 再傳輸到瀏覽器：
web-utf-8。

所以你看到很多網頁的源碼上會有類似的信息，表示該網頁正是用的 UTF-8 編碼。

首先要搞清楚，字符串在 Python 內部的表示是 unicode 編碼，因此，在做編碼轉換時，
通常需要以 unicode 作為中間編碼，即先將其他編碼的字符串解碼（decode）成 unicode，再從 unicode 編碼（encode）成另一種編碼。

1.decode:其它碼–>unicode
decode 的作用是將其他編碼的字符串轉換成 unicode 編碼，如 str1.decode(‘gb2312’)，表
示將 gb2312 編碼的字符串轉換成 unicode 編碼。

2.encode:unicode–>其它碼
encode 的作用是將 unicode 編碼轉換成其他編碼的字符串，如 str2.encode(‘gb2312’)，表
示將 unicode 編碼的字符串轉換成 gb2312 編碼。

（五）encode()和decode()

decode英文意思是解碼，encode英文原意編碼字符串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。 decode的作用是將其他編碼的字符串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串str1轉換成unicode編碼。 encode的作用是將unicode編碼轉換成其他編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串str2轉換成gb2312編碼。總得意思:想要將其他的編碼轉換成utf-8必須先將其解碼成unicode然后重新編碼成utf-8,它是以unicode為轉換媒介的如：s='中文' 如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進行編碼轉換，都需要先用 decode方法將其轉換成unicode編碼，再使用encode方法將其轉換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統默認編碼創建的代碼文件

字符串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

所以：其他編碼.decode—>unicode unicode.encode—>其他編碼

decode的作用是將其他編碼的字符串轉換成unicode編碼，如str1.decode(‘gb2312’)，表示將gb2312編碼的字符串str1轉換成unicode編碼。
encode的作用是將unicode編碼轉換成其他編碼的字符串，如str2.encode(‘gb2312’)，表示將unicode編碼的字符串str2轉換成gb2312編碼。
總得意思:想要將其他的編碼轉換成utf-8必須先將其解碼成unicode然后重新編碼成utf-8,它是以unicode為轉換媒介的如：s=‘中文’ 如果是在utf8的文件中，該字符串就是utf8編碼，如果是在gb2312的文件中，則其編碼為gb2312。這種情況下，要進行編碼轉換，都需要先用 decode方法將其轉換成unicode編碼，再使用encode方法將其轉換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統默認編碼創建的代碼文件。

（六）字符編碼

我們已經講過了，字符串也是一種數據類型，但是，字符串比較特殊的是還有一個編碼問題。
因為計算機只能處理數字，如果要處理文本，就必須先把文本轉換為數字才能處理。最早的計算機在設計時采用8個比特（bit）作為一個字節（byte），所以，一個字節能表示的最大的整數就是255（二進制11111111=十進制255），如果要表示更大的整數，就必須用更多的字節。比如兩個字節可以表示的最大整數是65535，4個字節可以表示的最大整數是4294967295。
由于計算機是美國人發明的，因此，最早只有127個字符被編碼到計算機里，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。
但是要處理中文顯然一個字節是不夠的，至少需要兩個字節，而且還不能和ASCII編碼沖突，所以，中國制定了GB2312編碼，用來把中文編進去。
你可以想得到的是，全世界有上百種語言，日本把日文編到Shift_JIS里，韓國把韓文編到Euc-kr里，各國有各國的標準，就會不可避免地出現沖突，結果就是，在多語言混合的文本中，顯示出來會有亂碼。
因此，Unicode字符集應運而生。Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。
Unicode標準也在不斷發展，但最常用的是UCS-16編碼，用兩個字節表示一個字符（如果要用到非常偏僻的字符，就需要4個字節）。現代操作系統和大多數編程語言都直接支持Unicode。
現在，捋一捋ASCII編碼和Unicode編碼的區別：ASCII編碼是1個字節，而Unicode編碼通常是2個字節。
字母A用ASCII編碼是十進制的65，二進制的01000001；
字符0用ASCII編碼是十進制的48，二進制的00110000，注意字符’0’和整數0是不同的；
漢字中已經超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。
你可以猜測，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。
新的問題又出現了：如果統一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。
所以，本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間：
從上面的表格還可以發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續工作。
搞清楚了ASCII、Unicode和UTF-8的關系，我們就可以總結一下現在計算機系統通用的字符編碼工作方式：
在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼。
用記事本編輯的時候，從文件讀取的UTF-8字符被轉換為Unicode字符到內存里，編輯完成后，保存的時候再把Unicode轉換為UTF-8保存到文件：
瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器：
所以你看到很多網頁的源碼上會有類似的信息，表示該網頁正是用的UTF-8編碼。

總結

以上是生活随笔為你收集整理的encode()和decode()编码与解码的解析、常用编码与为何要encode和decode的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。