编码/解码有什么区别？

我从来不确定我了解str / unicode解码和编码之间的区别。

我知道这str().decode()是针对当您有一个字节字符串，并且您知道该字符串具有某种字符编码时，给定该编码名称，它将返回一个unicode字符串。

我知道unicode().encode()根据给定的编码名称将Unicode字符转换为字节字符串。

但我不明白是什么str().encode()以及unicode().decode()是。有人可以解释，也可以更正我在上面遇到的其他错误吗？

编辑：

有几个答案给出了.encode有关字符串处理内容的信息，但似乎没人知道.decodeUnicode的处理内容。

decodeUnicode字符串的方法实际上根本没有任何应用程序（除非出于某种原因在Unicode字符串中包含一些非文本数据，请参见下文）。我认为主要是出于历史原因。在Python 3中，它完全消失了。

unicode().decode()将执行隐式编码的s使用默认（ASCII）编解码器。像这样验证：

>>> s = u'ö'
>>> s.decode()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf6' in position 0:
ordinal not in range(128)

>>> s.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf6' in position 0:
ordinal not in range(128)

错误消息是完全相同的。

对于str().encode()它周围的其他方法-它试图隐式解码的s默认编码方式：

>>> s = 'ö'
>>> s.decode('utf-8')
u'\xf6'
>>> s.encode()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0:
ordinal not in range(128)

这样使用，str().encode()也是多余的。

但是后一种方法的另一个应用很有用：有些编码与字符集无关，因此可以有意义的方式应用于8位字符串：

>>> s.encode('zip')
'x\x9c;\xbc\r\x00\x02>\x01z'

但是，您是对的：这两个应用程序对“编码”的模棱两可用法令人生厌。同样，在Python 3中使用单独byte和string类型，这不再是问题。

将unicode字符串表示为字节字符串被​​称为encoding。使用u'...'.encode(encoding)。

例：

    >>>u'æøå'.encode（'utf8'）
    '\ xc3 \ x83 \ xc2 \ xa6 \ xc3 \ x83 \ xc2 \ xb8 \ xc3 \ x83 \ xc2 \ xa5'
    >>>u'æøå'.encode（'latin1'）
    '\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'
    >>>u'æøå'.encode（'ascii'）
    UnicodeEncodeError：'ascii'编解码器无法编码位置0-5处的字符： 
    序数不在范围内（128）

通常，在需要将unicode字符串用于IO（例如，通过网络传输它或将其保存到磁盘文件）时，通常会对其进行编码。

将字节字符串转换为unicode字符串称为解码。使用unicode('...', encoding)或'...'。decode（encoding）。

例：

   >>>u'æøå'
   u'\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'＃解释程序将这样打印unicode对象
   >>> unicode（'\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'，'latin1'）
   u'\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'
   >>>'\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'.decode（'latin1'）
   u'\ xc3 \ xa6 \ xc3 \ xb8 \ xc3 \ xa5'

通常，每当您从网络或磁盘文件接收到字符串数据时，就对字节字符串进行解码。

我相信python 3的unicode处理方式有所变化，因此以上内容可能不适用于python 3。

一些好的链接：

• 每个软件开发人员绝对，肯定必须了解的Unicode和字符集的绝对最低要求（无借口！）
• Unicode HOWTO

Unicode。encode（'encoding'）产生一个字符串对象，并且可以在unicode对象上调用

aString。解码（“编码”）产生一个unicode对象，可以在以给定编码方式编码的字符串上调用。

一些更多的解释：

您可以创建一些未设置任何编码的unicode对象。Python将其存储在内存中的方式与您无关。您可以对其进行搜索，拆分并调用您喜欢的任何字符串操作函数。

但是有时候，您想将unicode对象打印为控制台或某些文本文件。因此，您必须对其进行编码（例如-在UTF-8中），调用encode（'utf-8'），然后会得到一个带有'\ u <someNumber>'的字符串，该字符串可完美打印。

然后，再次（您想做相反的事情）读取以UTF-8编码的字符串并将其视为Unicode，因此\ u360将是一个字符，而不是5。然后解码一个字符串（使用选定的编码），然后获取unicode类型的全新对象。

恰如其分-您可以选择一些变态编码，例如'zip'，'base64'，'rot'，其中一些会在字符串之间转换，但是我认为最常见的情况是涉及UTF-8 / UTF-16和字符串。

mybytestring.encode（somecodec）对于以下值有意义somecodec：

• base64
• bz2
• zlib
• 十六进制
• 夸普里
• 腐烂13
• string_escape
• u

我不确定解码已解码的unicode文本适合什么。尝试使用任何编码似乎总是先尝试使用系统的默认编码进行编码。

有几种编码可用于从str到str或从unicode到unicode解码/编码。例如base64，hex甚至rot13。它们在编解码器模块中列出。

编辑：

Unicode字符串上的解码消息可以撤消相应的编码操作：

In [1]: u'0a'.decode('hex')
Out[1]: '\n'

返回的类型是str而不是unicode，我认为这很不幸。但是，当您没有在str和unicode之间进行适当的编码/解码时，无论如何这看起来都是一团糟。

简单的答案是它们彼此完全相反。

计算机使用字节的最基本单位来存储和处理信息。这对人眼毫无意义。

例如，\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\中文单词，在这种情况下，它是“ utf-8”字典，如果您查看其他或错误的字典（使用其他解码方法），它将无法正确显示预期的中文单词。

在上述情况下，计算机查找中文单词的过程为decode()。

并且计算机将中文写入计算机存储器的过程是encode()。

因此，编码信息是原始字节，解码信息是原始字节和要引用的字典的名称（但不是字典本身）。