很多次遇到python 3下的文件編碼，解碼問題，我這里的平臺(tái)是mac，下面吐血搞一波。。

1. ASCII編碼：

字符串是一種數(shù)據(jù)類型，但是，字符串比較特殊的是還有一個(gè)編碼問題。因?yàn)橛?jì)算機(jī)只能處理數(shù)字，如果要處理文本，就必須先把文本轉(zhuǎn)換為數(shù)字才能處理。最早的計(jì)算機(jī)在設(shè)計(jì)時(shí)采用8個(gè)比特（bit）作為一個(gè)字節(jié)（byte），所以，一個(gè)字節(jié)能表示的最大的整數(shù)就是255（二進(jìn)制11111111=十進(jìn)制255），如果要表示更大的整數(shù)，就必須用更多的字節(jié)。比如兩個(gè)字節(jié)可以表示的最大整數(shù)是65535，4個(gè)字節(jié)可以表示的最大整數(shù)是4294967295。

由于計(jì)算機(jī)是美國(guó)人發(fā)明的，因此，最早只有127個(gè)字母被編碼到計(jì)算機(jī)里，也就是大小寫英文字母、數(shù)字和一些符號(hào)，這個(gè)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。

2. Unicode編碼

Unicode把所有語言都統(tǒng)一到一套編碼里，這樣就不會(huì)再有亂碼問題了。
Unicode標(biāo)準(zhǔn)也在不斷發(fā)展，但最常用的是用兩個(gè)字節(jié)表示一個(gè)字符（如果要用到非常偏僻的字符，就需要4個(gè)字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語言都直接支持Unicode。

ASCII編碼和Unicode編碼的區(qū)別：ASCII編碼是1個(gè)字節(jié)，而Unicode編碼通常是2個(gè)字節(jié)。

3. UTF-8編碼

新的問題又出現(xiàn)了：如果統(tǒng)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(chǔ)空間，在存儲(chǔ)和傳輸上就十分不劃算。

所以，又出現(xiàn)了把Unicode編碼轉(zhuǎn)化為“可變長(zhǎng)編碼”的UTF-8編碼。UTF-8編碼把一個(gè)Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個(gè)字節(jié)，常用的英文字母被編碼成1個(gè)字節(jié)，漢字通常是3個(gè)字節(jié)，只有很生僻的字符才會(huì)被編碼成4-6個(gè)字節(jié)。如果你要傳輸?shù)奈谋景罅坑⑽淖址?#xff0c;用UTF-8編碼就能節(jié)省空間：

4. 文件傳輸

在計(jì)算機(jī)內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保存到硬盤或者需要傳輸?shù)臅r(shí)候，就轉(zhuǎn)換為UTF-8編碼。

用記事本編輯的時(shí)候，從文件讀取的UTF-8字符被轉(zhuǎn)換為Unicode字符到內(nèi)存里，編輯完成后，保存的時(shí)候再把Unicode轉(zhuǎn)換為UTF-8保存到文件：

瀏覽網(wǎng)頁的時(shí)候，服務(wù)器會(huì)把動(dòng)態(tài)生成的Unicode內(nèi)容轉(zhuǎn)換為UTF-8再傳輸?shù)綖g覽器：

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

5. python 3 字符串類型和 bytes 類型

字符串
在最新的Python 3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。

In [181]: print('包含中文的str') 包含中文的str

bytes
由于Python的字符串類型是str，在內(nèi)存中以Unicode表示，一個(gè)字符對(duì)應(yīng)若干個(gè)字節(jié)。如果要在網(wǎng)絡(luò)上傳輸，或者保存到磁盤上，就需要把str變?yōu)橐宰止?jié)為單位的bytes。

Python對(duì)bytes類型的數(shù)據(jù)用帶b前綴的單引號(hào)或雙引號(hào)表示：x = b'ABC'
要注意區(qū)分’ABC’和b’ABC’，前者是str，后者雖然內(nèi)容顯示得和前者一樣，但bytes的每個(gè)字符都只占用一個(gè)字節(jié)。

（1）以Unicode表示的str通過encode()方法可以編碼為指定的bytes。例如：

In [182]: 'ABC'.encode('ascii') Out[182]: b'ABC'In [183]: '中文'.encode('utf-8') Out[183]: b'\xe4\xb8\xad\xe6\x96\x87'In [184]: '中文ABC'.encode('utf-8') Out[184]: b'\xe4\xb8\xad\xe6\x96\x87ABC'In [185]: '中文'.encode('ascii') Traceback (most recent call last):File "<ipython-input-185-76f41cd8dafa>", line 1, in <module>'中文'.encode('ascii')UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

純英文的str可以用ASCII編碼為bytes，內(nèi)容是一樣的，含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼，因?yàn)橹形木幋a的范圍超過了ASCII編碼的范圍，Python會(huì)報(bào)錯(cuò)。

（2）如果我們從網(wǎng)絡(luò)或磁盤上讀取了字節(jié)流，那么讀到的數(shù)據(jù)就是bytes。要把bytes變?yōu)閟tr，就需要用decode()方法：

In [193]: b'ABC'.decode('ascii') Out[193]: 'ABC'In [194]: b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') Out[194]: '中文'

（3）len()函數(shù)計(jì)算的是str的字符數(shù)，如果換成bytes，len()函數(shù)就計(jì)算字節(jié)數(shù)

>>> len(b'ABC') 3 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('中文'.encode('utf-8')) 6

1個(gè)中文字符經(jīng)過UTF-8編碼后通常會(huì)占用3個(gè)字節(jié)，而1個(gè)英文字符只占用1個(gè)字節(jié)。

在操作字符串時(shí)，我們經(jīng)常遇到str和bytes的互相轉(zhuǎn)換。為了避免亂碼問題，應(yīng)當(dāng)始終堅(jiān)持使用UTF-8編碼對(duì)str和bytes進(jìn)行轉(zhuǎn)換。

Python源代碼也是一個(gè)文本文件，所以，當(dāng)你的源代碼中包含中文的時(shí)候，在保存源代碼時(shí)，就需要?jiǎng)?wù)必指定保存為UTF-8編碼。當(dāng)Python解釋器讀取源代碼時(shí)，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行

#!/usr/bin/env python3 # -*- coding: utf-8 -*-

第二行注釋是為了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會(huì)有亂碼。

4. 修改文件夾下的所有文本的編碼

（1）Python3 中，在字符引號(hào)前加‘b’，明確表示這是一個(gè) bytes 類型的對(duì)象，實(shí)際上它就是一組二進(jìn)制字節(jié)序列組成的數(shù)據(jù)，bytes 類型可以是 ASCII范圍內(nèi)的字符和其它十六進(jìn)制形式的字符數(shù)據(jù)，但不能用中文等非ASCII字符表示。

In [195]: b'a' Out[195]: b'a'In [196]: b'\xe7\xa6\x85' Out[196]: b'\xe7\xa6\x85'In [197]: b'中文'File "<ipython-input-197-241a368e5c3e>", line 1b'中文'^ SyntaxError: bytes can only contain ASCII literal characters.

（2）str 與 bytes 之間的轉(zhuǎn)換可以用 encode 和從decode 方法：

encode 負(fù)責(zé)字符到字節(jié)的編碼轉(zhuǎn)換。默認(rèn)使用 UTF-8 編碼準(zhǔn)換。

In [198]: s = "Python之禪"In [199]: s.encode() Out[199]: b'Python\xe4\xb9\x8b\xe7\xa6\x85'In [200]: s.encode("gbk") Out[200]: b'Python\xd6\xae\xec\xf8'

decode 負(fù)責(zé)字節(jié)到字符的解碼轉(zhuǎn)換，通用使用 UTF-8 編碼格式進(jìn)行轉(zhuǎn)換。

In [201]: b'Python\xe4\xb9\x8b\xe7\xa6\x85'.decode() Out[201]: 'Python之禪'In [202]: b'Python\xd6\xae\xec\xf8'.decode("gbk") Out[202]: 'Python之禪'

下面是一個(gè)修改一個(gè)文件夾下的所有文本問價(jià)為utf-8的編碼格式的例子：

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Wed Oct 31 09:42:29 2018@author: lilong """import chardet import osclass Unicode(object):def __init__(self):self.file_path='/Users/lilong/Desktop/coding_test/'self.flag=0def readFile(self,file_path):with open(file_path, 'rb') as f: # 這里讀文件判斷編碼時(shí)必須是‘rb’的格式filecontent = f.read()return filecontentdef converCode(self,filepath):file_con = self.readFile(filepath)result=chardet.detect(file_con) # 判斷文件編碼print('result:',result)if self.flag==0: if result['encoding'] == 'GB2312': # GBK是GB2312的擴(kuò)展 unicode_raw = file_con.decode('GB2312') # unicode_raw是字節(jié)流unicode_done= unicode_raw.encode('utf-8') # unicode_done是字節(jié)流#print(str(unicode_done))with open(filepath, 'wb') as f: # 這里寫文件時(shí)必須時(shí)‘wb’的格式f.write(unicode_done)else:passdef listDirFile(self,file_path):list_ = os.listdir(file_path)for ll in list_:filepath = os.path.join(file_path, ll)if os.path.isdir(filepath):self.listDirFile(filepath)else:print('ll:',ll)self.converCode(filepath) def check(self):self.flag=1self.listDirFile(self.file_path)def start(self):self.listDirFile(self.file_path)self.check()# 實(shí)例化 tt=Unicode() tt.start()

運(yùn)行：

ll: .DS_Store result: {'encoding': 'Windows-1252', 'confidence': 0.73, 'language': ''} ll: 2.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: 1.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: .DS_Store result: {'encoding': 'Windows-1252', 'confidence': 0.73, 'language': ''} ll: 2.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''} ll: 1.txt result: {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

.DS_Store文件是我的mac系統(tǒng)下自動(dòng)生成的，在這里不影響說明問題。

參考：
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000

總結(jié)

以上是生活随笔為你收集整理的详解python 3下文本文件的编解码的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。