Python文件編碼怎么理解

這篇文章主要介紹“Python文件編碼怎么理解”，在日常操作中，相信很多人在Python文件編碼怎么理解問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python文件編碼怎么理解”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

1、代碼編碼問題

相信很多小伙伴都聽說過這樣的話，Python3 的默認編碼方式是以 UTF-8，聽著有點玄幻，啥叫 Python 的默認編碼？

當我們編譯運行一個py文件（test.py）的時候，Python 編譯器首先會對文件 test.py 進行讀取，然后默認對數據進行 UTF-8 的解碼，然后編譯運行，程序跑了起來。

我們知道，數據的解碼和編碼都是成對的，且需要采取相同的編碼方式，否則解碼的數據就會和原數據不一樣。其實也類似于 AES 的解密和加密。

試想一下，test.py 文件是由一個文本編輯器以 GBK 的編碼方式寫入，此時采用默認的 UTF-8方式進行解碼，就會造成亂碼情況。

不信的話，show code with you：

# 測試環境：
OS: Mac os 10.15
IDE: Pycharm
Python: Python3.8
Author: 西園公子

1.1、案例1:

測試腳本 test.py ，腳本文件是以 UTF-8 編碼的方式保存的。

內容：

# coding=gbk
# Author: zwjjiaozhu
# Date: 2021/1/8
# IDE: VsCode

import sys
print(sys.getdefaultencoding())
name = '小甲'
print(f"name: {name}\n name_type: {type(name)}\n :{repr(name)}")

with open('utf.txt', 'w', encoding='utf8') as f:
    f.write(name)

with open('gbk.txt', 'w', encoding='gbk') as f:
    f.write(name)

結果：

utf-8
name: 灝忕敳
name_type: <class 'str'>
:'灝忕敳'

# 寫入文件內容打印（前提：都是以UTF-8的解碼方式打開文本）
灝忕敳
小甲

此時你該困惑了，這都是啥呀？為啥打印顯示灝忕敳。以 GBK 的方式寫入文件，卻內容顯示正常為小甲，以 UTF-8 的方式寫入文件卻顯示為灝忕敳。

接下來我來講明白它：

上面的代碼首行添加了 # coding=gbk ，這就告訴編譯器需要使用GBK的解碼方式對 test.py 文件進行解碼，轉成相應的 Unicode 碼，然后就運行代碼了。

由于name = '小甲' 是中文，所以當使用GBK進行解碼，翻譯成 Unicode 碼值后，打印顯示后就出現了亂碼問題（也就是值不對應的問題），其他的代碼啥的都是字母，不同的編碼解碼方式都是可以正常顯示的，誰讓是美國人發明的呢????

然后是寫入文件：

• encoding='utf8' ，將編譯器解碼的 name 的值（灝忕敳）以UTF-8的編碼方式寫入文件utf.txt中，當使用記事本打開utf.txt文件時，記事本默認是以UTF-8的解碼方式打開，就顯示 灝忕敳 了。編碼和解碼成對的，媒介是 UTF-8

• encoding='gbk' ，同理，將編譯器解碼name后的Unicode值（灝忕敳對應的Unicode值）以GBK的編碼方式寫入文件 gbk.tx t中。如果此時采用UTF-8的解碼方式打開這個文本，就會顯示小甲正常，如果采用GBK的方式打開，那不好意思，還是顯示 灝忕敳 。相當于是 python編譯器對 test.py 的 GBK 解碼和寫入文件的GBK編碼抵消，得到的就是最開始的 test.py 以UTF-8編碼的數據。

可能你還是不太懂，強烈推薦手動畫畫草圖，這里我畫一個流程圖，以加深理解～

哇好累呀，肝的我腦疼，總算解釋清楚了，

2、字符串編碼

在 Python 內部中有兩種常見格式，字符串和字節 bytes類型，在網絡傳輸中以及寫入文件時，通常是轉成bytes。例如："你好" 和 b“\xe4\xbd\xa0\xe5\xa5\xbd”（utf-8編碼的） ，兩者是等價的。

2.1、字符串和字節互轉

字節是以 \x開頭后跟16進制數

方式1，使用encode和decode方式直接轉

name = "你好"
name_bytes = name.encode("utf8")   # 用utf8進行編碼，用gbk或者ascii都行
name2 = name_bytes.decode("utf8")   # 同樣的必須使用用utf8進行解碼，做到編碼和解碼是對應的，才不會亂碼
print(f"name:{name},type:{type(name)}")
print(f"name_bytes:{name_bytes},type:{type(name_bytes)}")
print(f"name2:{name2},type:{type(name2)}")

# 結果：
# name:你好,type:<class 'str'>
# name_bytes:b'\xe4\xbd\xa0\xe5\xa5\xbd',type:<class 'bytes'>
# name2:你好,type:<class 'str'>

方式2，使用 str 和 bytes 轉

age = '12'
age_bytes = bytes(age, encoding="utf8")
age_str = str(age_bytes.decode("utf8"))
print(f"age:{age},type:{type(age)}")
print(f"age_bytes:{age_bytes},type:{type(age_bytes)}")
print(f"age_str:{age_str},type:{type(age_str)}")

# 結果：
# age:12,type:<class 'str'>
# age_bytes:b'12',type:<class 'bytes'>
# age_str:12,type:<class 'str'>

說明：字符串在Python內部也就是內存中是以 Unicode 方式存在，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 ，再將unicode編碼（encode）成另一種編碼。

decode 的作用是將 bytes 字節解碼成 str 類型字符串，如str1.decode('gb2312')，表示將字符串 str1 以gb2312 的解碼方式解碼轉換成 str 類型，也就是 Python 的str類型 。

encode 的作用是將 str 類型字符串 編碼轉換成 bytes 字節，如str2.encode('gb2312')，表示字符串 str2 以gb2312 的編碼方式轉換成 bytes 類型。因此，轉碼的時候一定要先搞明白，數據 str1 是什么編碼，用什么方式編碼的，就用什么方式解碼。

到此，關于“Python文件編碼怎么理解”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！