編碼/解碼有什麼區別？

Question

我從來不確定我是否理解str/unicode解碼和編碼之間的區別。

我知道str().decode()是用於當你有一個字節的字符串，你知道有一個特定的字符編碼，給定的編碼名稱它將返回一個Unicode字符串。

我知道unicode().encode()根據給定的編碼名稱將unicode字符轉換爲一個字節的字符串。

但我不明白str().encode()和unicode().decode()是什麼。任何人都可以解釋，並可能還糾正我上面錯誤的任何其他內容？

編輯：

幾個答案給什麼.encode確實在一根繩子上的信息，但沒有人知道什麼.decode確實對Unicode。

Answer 1

unicode字符串的decode方法根本沒有任何應用程序（除非你有一些非t由於某種原因，在一個unicode字符串中擴展數據 - 參見下文）。我想這主要是出於歷史原因。在Python 3中，它完全消失了。

unicode().decode()將使用默認（ascii）編解碼器執行隱含的編碼的s。驗證是這樣的：

>>> 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) 

錯誤消息是完全一樣的。

對於str().encode()它周圍的其他方法 - 它企圖的s一個隱含解碼默認編碼：

>>> 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) 

像這樣來使用，str().encode()也是多餘的。

但是則存在是非常有用的後一種方法的另一種應用：有encodings具有無關的字符集，因此可以以有意義的方式被施加到8位字符串：

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

你說的對：這兩個應用程序的「編碼」的模糊用法是...... awkard。再次，在Python 3中使用單獨的byte和string類型，這不再是問題。

Answer 2

有幾種編碼可用於從str到str或從unicode到unicode的解碼/編碼。例如base64，hex或甚至rot13。它們在codecs module中列出。

編輯：

上Unicode字符串解碼消息可以撤消對應的編碼操作：

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

返回的類型的STR代替的unicode這是在我的意見不幸。但是，如果你沒有在str和unicode之間進行正確的en/decode，反正看起來像是一團糟。

Answer 3

mybytestring.encode（somecodec）是有意義的的somecodec這些值：

• 的base64
• BZ2
• ZLIB
• 六角
• quopri
• ROT13
• string_escape
• uu

我不確定什麼解碼已解碼的Unicode文本是有益的。嘗試使用任何編碼似乎總是嘗試先用系統的默認編碼進行編碼。

Answer 4

將Unicode字符串表示爲一個字節串被稱爲編碼。使用u'...'.encode(encoding)。

例子：

 
    >>> 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' codec can't encode characters in position 0-5: 
    ordinal not in range(128) 

您通常編碼unicode字符串，當您需要使用它的IO，例如將其傳送通過網絡，或將其保存到磁盤文件。

將一串字節轉換爲一個Unicode字符串被稱爲解碼。使用unicode('...', encoding)或'...'。解碼（編碼）。

例子：

 
    >>> u'æøå' 
    u'\xc3\xa6\xc3\xb8\xc3\xa5' # the interpreter prints the unicode object like so 
    >>> 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' 

您通常解碼，只要你從網絡或從磁盤文件接收字符串數據字節的字符串。

我相信有一些變化的Unicode處理在Python 3，所以上面可能是不適合蟒蛇正確3.

一些很好的鏈接：

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
• Unicode HOWTO

Answer 5

您應該閱讀Python UnicodeDecodeError - Am I misunderstanding encode。在閱讀接受的答案後，我對Python中的unicode的理解更加清晰。

Answer 6

anUnicode。 編碼（「編碼」）導致串對象，並且可以一個unicode對象

ASTRING上被調用。 解碼（'編碼'）會產生一個對象，並且可以在給定編碼中編碼的字符串上調用。

---

一些更多的解釋：

您可以創建一些Unicode的對象，它沒有任何編碼集。它被Python存儲在內存中的方式不值得關注。你可以搜索它，分割它並調用你喜歡的任何字符串操作函數。

但是有一段時間，當你想將你的unicode對象打印到控制檯或某些文本文件中。所以你必須編碼它（例如 - 在UTF-8中），你可以調用encode（'utf-8'），你會得到一個字符串'\\someNumber >'裏面，這是完美的打印。

然後，再次 - 你想要做的正好相反 - 在UTF-8編碼的讀取字符串，並把它作爲一個統一的，所以\ U360將是一個字符，而不是5.然後你解碼字符串（使用選定的編碼）並獲得unicode類型的全新對象。你可以選擇一些變形編碼，如'zip'，'base64'，'rot'，其中一些將從字符串轉換爲字符串，但我相信最常見的情況是涉及UTF-8/UTF-16和字符串。

Answer 7

簡單的答案是它們是彼此完全相反的。

讓我們用一個例子來說明：

計算機使用字節的非常基本單位來存儲和處理信息，這是毫無意義的人的眼睛。

例如'\ xe4 \ xb8 \ xad \ xe6 \ x96 \ x87'是兩個中文字符的表示，但計算機只知道（意思是打印或存儲）它們是中文字符要查找中文單詞，在這種情況下，它是「utf-8」字典，如果您查看不同或錯誤的字典（使用不同的解碼方法），它將無法正確顯示預期的中文單詞。

在上述情況下，計算機查找中文單詞的過程是decode（）。

而計算機將中文寫入計算機內存的過程是encode（）。

所以編碼信息是原始字節，解碼信息是原始字節和引用字典的名稱（但不是字典本身）。