回顧字符編碼的前世今生
ASCII
只能儲英文或特殊字符,只占一個字節,一個字節8bit,不能儲中文,所以才出現Unicode
Unicode
不管是中文或英文,都是占二個字節,一個字節8bit
UTF-8
是一種針對Unicode的可變長度字元編碼,英文字符一樣會依照ASCII碼規範,只占一個字節8bit,而中文字符的話,統一就占三個字節
回顧可以參考字符編碼
字符編碼解碼流程
圖解當二種不同字符編碼的轉編、解碼的過程,例如我要把一個GBK的字符編碼轉成UTF-8的過程是怎麼轉換的
decode
轉換為 Unicode
編碼encode
轉換為 UTF-8
編碼那我們就先用utf-8轉gbk,來做實做看看…下面代碼都是先用python2.7版執行
# -*- coding:utf-8 -*-
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
s_to_unicode = s.decode(encoding='utf-8') # 要告訴decode原本的編碼是哪種
print(s_to_unicode)
----------------------執行結果----------------------
ascii
你好
剛剛上面的代碼只是先做 UTF-8 decode Unicode
,不相信!!! 好吧來驗証一下
# -*- coding:utf-8 -*-
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
s_to_unicode = s.decode(encoding='utf-8') # 要告訴decode原本的編碼是哪種
print(s_to_unicode)
print(s_to_unicode, type(s_to_unicode))
----------------------執行結果----------------------
ascii
你好
(u'\u4f60\u597d', <type 'unicode'>) # 變成一個tuple,所以就不會顯示中文
上面那個看起來很像亂碼(不是亂馬),其實是unicode格式,証明我們已經確實的把 UTF-8 decode Unicode
編碼了,再來就是要把 Unicode encode gbk
# -*- coding:utf-8 -*-
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
s_to_unicode = s.decode(encoding='utf-8')
print(s_to_unicode)
print(s_to_unicode, type(s_to_unicode))
s_to_gbk = s_to_unicode.encode(encoding='gbk')
print(s_to_gbk)
----------------------執行結果----------------------
ascii
你好
(u'\u4f60\u597d', <type 'unicode'>)
���
上面代碼已經完成Unicode encode gbk
,但為什麼還是看不到字?那是目前的terminal的編碼依然是utf-8
,若想看到���
的話,就請修改 iTerm2 → Preference → Profiles → Terminal → Character Encoding → Chinese (GBK)
,然後執行一次剛剛的代碼,執行的結果會如下
ascii
浣犲ソ
(u'\u4f60\u597d', <type 'unicode'>)
你好
原本第二行的你好
變成浣犲ソ
,而最後一行的���
變成你好
,這樣就可以確認我們真的已經完成UTF-8 decode Unicode → Unicode encode gbk
,那如果要反向操作的話呢?
Terminal記得再調回成UTF-8
,再執行一次
# -*- coding:utf-8 -*-
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
s_to_unicode = s.decode(encoding='utf-8')
print(s_to_unicode)
print(s_to_unicode, type(s_to_unicode))
s_to_gbk = s_to_unicode.encode(encoding='gbk')
print(s_to_gbk)
print(s_to_gbk, type(s_to_gbk))
gbk_to_utf8 = s_to_gbk.decode(encoding='gbk').encode(encoding='utf-8')
print(gbk_to_utf8)
print(gbk_to_utf8, type(gbk_to_utf8))
----------------------執行結果----------------------
ascii
你好
(u'\u4f60\u597d', <type 'unicode'>)
���
('\xc4\xe3\xba\xc3', <type 'str'>)
你好
('\xe4\xbd\xa0\xe5\xa5\xbd', <type 'str'>)
知識點:
在Python3因為字串已經全部統一成 unicode ,所以不必在字符串前加上 u ,這是Python2和Python3的重要差別之一,需要特別注意
參考資料:
嗯…倒數三天了,太棒了,快解脫了 Orz
請問一下..
s編碼後.竟然不是 你好
範例 一模一樣...不知道錯在哪???
python2.7版本
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
print(s)
s_to_unicode = s.decode(encoding='utf-8') # 要告訴decode原本的編碼是哪種
print(s_to_unicode)
我知道了...
command是ascii顯示
最後一行改成big5即可
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
s = '你好'
print(s)
s_to_unicode = s.decode(encoding='utf-8') # 要告訴decode原本的編碼是哪種
print(s_to_unicode)
s1 = s_to_unicode.encode('big5') # 要告訴decode原本的編碼是哪種
print(s1)
Hi eric19740521
不好意思,現在才看到
command是ascii顯示
import sys
print(sys.getdefaultencoding()) # 打印出目前系統字符編碼
上面這程式主要是要告訴你目前作業系統的字符編碼是什麼,不是 command 哦!!!