接下來講 Python3 字符轉編碼的操作,先確認Pycharm的字符編碼是 UTF-8(PyCharm Community Edition → Perferences → Editor → File Encodings → IDE Encoding → UTF-8)
,再來就要開始來實驗了
#!/usr/bin/env python3
import sys
print("目前系統字符編碼:", sys.getdefaultencoding()) # 打印目前系統字符編碼
s = '你好押'
s_to_gbk = s.encode(encoding='gbk')
print(s)
print(s_to_gbk)
----------------------執行結果----------------------
目前系統字符編碼: utf-8
你好押
b'\xc4\xe3\xba\xc3\xd1\xba'
Process finished with exit code 0
上面代碼的確認系統的編碼是utf-8
,而你好押
變成了 b'\xc4\xe3\xba\xc3\xd1\xba'
,在最前面的b
指的就是bytes類型,會變成這樣是因為Python3預設就是默認使用Unicode中的utf-8
,而我們使用了s.encode(encoding='gbk')
,導致它打印出來就是一個bytes類型
,不相信!那我們來打印一個是utf-8的bytes類型
#!/usr/bin/env python3
import sys
print("目前系統字符編碼:", sys.getdefaultencoding()) # 打印目前系統字符編碼
s = '你好押'
s_to_gbk = s.encode(encoding='gbk')
print(s)
print(s_to_gbk)
print(s.encode(encoding='utf-8'))
----------------------執行結果----------------------
目前系統字符編碼: utf-8
你好押
b'\xc4\xe3\xba\xc3\xd1\xba'
b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x8a\xbc'
Process finished with exit code 0
唔…上面代碼第三個打印出來真的是utf-8的bytes類型
,那再來把gbk轉成utf-8
#!/usr/bin/env python3
import sys
print("目前系統字符編碼:", sys.getdefaultencoding()) # 打印目前系統字符編碼
s = '你好押'
s_to_gbk = s.encode(encoding='gbk')
gbk_to_utf8 = s_to_gbk.decode(encoding='gbk').encode(encoding='utf-8') # 先把gbk轉成unicode,再轉成utf-8
print(s)
print(s_to_gbk)
print(s.encode(encoding='utf-8'))
print("utf8:", gbk_to_utf8)
----------------------執行結果----------------------
目前系統字符編碼: utf-8
你好押
b'\xc4\xe3\xba\xc3\xd1\xba'
b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x8a\xbc'
utf8: b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x8a\xbc'
Process finished with exit code 0
嗯!有發現什麼嗎?沒錯,第三行跟第四行打印出來的結果是一樣的,這樣就証明了這真的就是utf-8的bytes類型,那如果要把第四行還原成字符串,要怎麼弄?
#!/usr/bin/env python3
import sys
print("目前系統字符編碼:", sys.getdefaultencoding()) # 打印目前系統字符編碼
s = '你好押'
s_to_gbk = s.encode(encoding='gbk')
gbk_to_utf8 = s_to_gbk.decode(encoding='gbk').encode(encoding='utf-8') # 先把gbk轉成unicode,再轉成utf-8
gbk_to_utf8_str = s_to_gbk.decode(encoding='gbk').encode(encoding='utf-8').decode(encoding='utf-8')
print(s)
print(s_to_gbk)
print(s.encode(encoding='utf-8'))
print("utf8:", gbk_to_utf8)
print("utf8_str:", gbk_to_utf8_str)
----------------------執行結果----------------------
目前系統字符編碼: utf-8
你好押
b'\xc4\xe3\xba\xc3\xd1\xba'
b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x8a\xbc'
utf8: b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x8a\xbc'
utf8_str: 你好押
Process finished with exit code 0
唔…得到正解了
這個很重要,一定要搞懂(對自已說XDDD