python之分析decode、encode、unicode编码转换
python之分析decode、encode、unicode编码转换
decode()方法使用注册编码的编解码器的字符串进行解码。它默认为默认的字符串编码。decode函数可以将一个普通字符串转换为unicode对象。decode是将普通字符串按照参数中的编码格式进行解析，然后生成对应的unicode对象，比如在这里我们代码用的是utf-8，那么把一个字符串转换为unicode就是如下形式：s2=’哈’.decode(‘utf-8′)，s2就是一个存储了’哈’字的unicode对象，其实就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。
例: str.decode(encoding='UTF-8',errors='strict')
- 参数
encoding – 这是所使用的编码。 errors – 这可能是给定一个不同的错误处理机制。默认的错误是“严格”，即编码错误提出UnicodeError。其他可能的值是ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’ 并通过codecs.register_error().注册的任何其他名称。 encode()方法正好就是相反的功能，是将一个unicode对象转换为参数中编码格式的普通字符，encode正好就是相反的功能，是将一个unicode对象转换为参数中编码格式的普通字符。
例: str.encode(encoding='UTF-8',errors='strict')
- 参数
encoding – 这是所使用的编码。对于所有的编码方案的列表，请访问：标准编码库。 errors – 这可能是给定一个不同的错误处理机制。默认的错误是“严格”，即编码错误提出UnicodeError。其他可能的值是ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’ 并通过codecs.register_error().注册的任何其他名称。
# 将unicode编码转换为汉字,前边带u的
str = u'\u4eac\u4e1c\u653e\u517b\u7684\u722c\u866b'
print(str.encode('utf-8'))
print(str.encode('utf-8'),type(str))
#运行结果
# 京东放养的爬虫
# ('\xe4\xba\xac\xe4\xb8\x9c\xe6\x94\xbe\xe5\x85\xbb\xe7\x9a\x84\xe7\x88\xac\xe8\x99\xab', <type 'unicode'>)
str2='京东放养的爬虫'
uu=str2.decode('utf-8')
print(uu)
print(uu,type(uu))
#运行结果
# 京东放养的爬虫
# (u'\u4eac\u4e1c\u653e\u517b\u7684\u722c\u866b', <type 'unicode'>)
print('--------------------------')
# 将unicode编码转换为汉字,前边不带u的
str = '\u4eac\u4e1c\u653e\u517b\u7684\u722c\u866b'
# 方法1 使用unicode_escape 解码
print (str.decode('unicode_escape'))
print (unicode(str, 'unicode_escape'))
# 方法2：若为json 格式，使用json.loads 解码
# print json.loads('"%s"' % str)
# 方法3：使用eval
print (eval('u"%s"' % str))问题：
将u'\u810f\u4e71'转换为'\u810f\u4e71'
方法：
s_unicode = u'\u810f\u4e71'
s_str = s_unicode.encode('unicode-escape').decode('string_escape')
print(s_str)
print(type(s_unicode),type(s_str))
#运行结果
# \u810f\u4e71
# (<type 'unicode'>, <type 'str'>)