對于很多人來說，python的中字符轉碼是一件很頭疼的事情，本來期望結果輸出的是中文，結果來一段像這樣\xe4\xbd\xa0\xe5\xa5\xbd像是亂碼的字符串。

由于學python沒多久，昨天使用python的時候，就遇到這種問題，現在來深入研究下與之相關的encode()和decode()函數，和如何把如亂碼般的字符串轉成中文。

encode()和decode()都是字符串的函數，可直接查看關于python字符串章節的官方文檔：
https://docs.python.org/3/library/stdtypes.html?highlight=encode#string-methods

---

從英文意思上看，encode和decode分別指編碼和解碼。在python中，Unicode類型是作為編碼的基礎類型，即：

decode encode str ---------> str(Unicode) ---------> str

• 1
• 2

>>> u = '中文' # 指定字符串類型對象u >>> str1 = u.encode('gb2312') # 以gb2312編碼對u進行編碼，獲得bytes類型對象 >>> print(str1) b'\xd6\xd0\xce\xc4'>>> str2 = u.encode('gbk') # 以gbk編碼對u進行編碼，獲得bytes類型對象 >>> print(str2) b'\xd6\xd0\xce\xc4' >>> str3 = u.encode('utf-8') # 以utf-8編碼對u進行編碼，獲得bytes類型對象 >>> print(str3) b'\xe4\xb8\xad\xe6\x96\x87'>>> u1 = str1.decode('gb2312') # 以gb2312編碼對字符串str進行解碼，獲得字符串類型對象 >>> print('u1') '中文'>>> u2 = str1.decode('utf-8') # 報錯，因為str1是gb2312編碼的 UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

---

簡要說下一般有哪些編碼格式。

ASCII碼

ASCII碼是美國早期制定的編碼規范，只能表示128個字符，包括英文字符、阿拉伯數字、西文字符以及32個控制字符。簡單來說，就是下面這個表：

擴展ASCII碼（Extended ASCII）

簡單而言，擴展ASCII碼的出現是因為ASCII不夠用，所以向ASCII表繼續擴充到256個符號。
但是因為對于擴展ASCII，不同的國家有不同的標準，于是促使了Unicode編碼的誕生。
擴展ASCII碼表如下：

Unicode

準確來說，Unicode不是編碼格式，而是字符集。這個字符集包含了世界上目前所有的符號。
另外，在原來有些字符可以用一個字節即8位來表示的，在Unicode將所有字符的長度全部統一為16位，因此字符是定長的。
Unicode是長這樣的：

\u4f60\u597d\u4e2d\u56fd\uff01\u0068\u0065\u006c\u006c\u006f\uff0c\u0031\u0032\u0033

• 1

上面這段Unicode的意思是“你好中國！hello，123”。

關于Unicode，可在這個網站查到所有字符：
https://unicode-table.com/en/

GB2312

當國人得到計算機后，那就要對漢字進行編碼。在ASCII碼表的基礎上，小于127的字符意義與原來相同；而將兩個大于127的字節連在一起，來表示漢字，前一個字節從0xA1（161）到0xF7（247）共87個字節，稱為高字節，后一個字節從0xA1（161）到0xFE（254）共94個字節，稱為低字節，兩者可組合出約8000種組合，用來表示6763個簡體漢字、數學符號、羅馬字母、日文字等。
在重新編碼的數字、標點、字母是兩字節長的編碼，這些稱為“全角”字符；而原來在ASCII碼表的127以下的稱為“半角”字符。
簡單而言，GB2312就是在ASCII基礎上的簡體漢字擴展。

gb2312碼表：
http://www.fileformat.info/info/charset/GB2312/list.htm

GBK

簡單而言，GBK是對GB2312的進一步擴展（K是漢語拼音kuo zhan（擴展）中“擴”字的聲母），
收錄了21886個漢字和符號，完全兼容GB2312。

GB18030

GB18030收錄了70244個漢字和字符，更加全面，與 GB 2312-1980 和 GBK 兼容。
GB18030支持少數民族的漢字，也包含了繁體漢字和日韓漢字。
其編碼是單、雙、四字節變長編碼的。

UTF（UCS Transfer Format）

UTF是在互聯網上使用最廣的一種Unicode的實現方式。我們最常用的是UTF-8，表示每次8個位傳輸數據，除此之外還有UTF-16。
UTF-8長這樣，“你好中國！hello，123”：

你好中国！hello，123

• 1

簡單總結（來源于網絡）

• 中國人民通過對 ASCII 編碼的中文擴充改造，產生了 GB2312 編碼，可以表示6000多個常用漢字。
• 漢字實在是太多了，包括繁體和各種字符，于是產生了 GBK 編碼，它包括了 GB2312 中的編碼，同時擴充了很多。
• 中國是個多民族國家，各個民族幾乎都有自己獨立的語言系統，為了表示那些字符，繼續把 GBK 編碼擴充為 GB18030 編碼。
• 每個國家都像中國一樣，把自己的語言編碼，于是出現了各種各樣的編碼，如果你不安裝相應的編碼，就無法解釋相應編碼想表達的內容。
• 終于，有個叫 ISO 的組織看不下去了。他們一起創造了一種編碼 UNICODE ，這種編碼非常大，大到可以容納世界上任何一個文字和標志。所以只要電腦上有 UNICODE 這種編碼系統，無論是全球哪種文字，只需要保存文件的時候，保存成 UNICODE 編碼就可以被其他電腦正常解釋。
• UNICODE 在網絡傳輸中，出現了兩個標準 UTF-8 和 UTF-16，分別每次傳輸 8個位和 16個位。于是就會有人產生疑問，UTF-8 既然能保存那么多文字、符號，為什么國內還有這么多使用 GBK 等編碼的人？因為 UTF-8 等編碼體積比較大，占電腦空間比較多，如果面向的使用人群絕大部分都是中國人，用 GBK 等編碼也可以。

總結

以上是生活随笔為你收集整理的python中的encode()和decode()函数的全部內容，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。