转义字符的使用和功能python_Python：编码与解码和转义字符

Python里面的字符一般默认为Unicode字符，属于str类型；而编码则是将字符转换成字节流的过程，反之解码是将字节流解析为字符的过程。

所谓的字节流，在pyhton里面，属于bytes类型。

1. python有两种方式实现编码和解码：

encode 和 decode 方法：encode()函数根据括号内的编码方式，把str类型的字符串转换为bytes字符串，decode反之。

b = '龙'.encode('utf-8') #'龙'：unicode字符，encode进行 utf-8 编码

print('b:',b) #开头的 b 字符表示bytes类型

print(type(b)) #类型是'bytes'

d= b.decode('utf-8') #解码

print('d:',d)print(type(d))

str 和 bytes 方法

ss = bytes('龙', encoding='utf-8') #编码

print('ss:',ss)print(type(ss))

cc= str(ss, encoding='utf-8') #解码

print('cc:',cc)print(type(cc))

求编码的字节长度，可以通过 len() 函数 对bytes类型的编码求长度得到：

print(len(b)) #编码的字节数，3个字节编码，因为b就是字节类型 bytes，此时为b：b'\xe9\xbe\x99'

2. bytes函数：classbytes([source[,encoding[,errors]]]) —— 返回一个新的 bytes 对象，该对象是一个 0 <= x < 256 区间内的整数不可变序列。

如果 source 为整数，则返回一个长度为 source 的初始化数组；

如果 source 为字符串，则按照指定的 encoding 将字符串转换为字节序列；

如果 source 为可迭代类型，则元素必须为[0 ,255] 中的整数；

如果 source 为与 buffer 接口一致的对象，则此对象也可以被用于初始化 bytearray。

如果没有输入任何参数，默认就是初始化数组为0个元素。

ss = bytes('龙', encoding='utf-8') #字符串

print('ss:',ss)print(type(ss))

s2= bytes(12) #整数

print('ss:',s2)

s3= bytes([12,3]) #可迭代类型，元素必须为[0 ,255] 中的整数；

print('s3:',s3)

s4 = bytes('what?', encoding='utf-8') # 字符串，英文

print('s4:',s4)

3. 乱码：因为字符串等都是经过某一编码方式编码的，所以如果解码的时候并不是对应的编码方式，则很容易出现乱码；此时就需要使用对应的编码方式解码。

(1)如果结果是一堆bytes类型的：'\x..\x..\x..'，则可以直接decode，通过相应的编码方式，例如decode('utf-8')

(2)如果是由于解码和编码的方法不一致，则反向先编码再解码即可，例如：

nn = '龙在天下'.encode('gbk')

mm= nn.decode('ISO-8859-1')print('mm:',mm) #乱码

kk= mm.encode('ISO-8859-1').decode('gbk') # 对乱码反向解码print('kk:',kk)

不过一般情况下，会直接报错，例如gbk和utf-8混用时会出现：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc1 in position 0: invalid start byte。

最重要的是：编码和解码的方法最好一致。

4. 转义字符：遇到特殊字符的时候需要用到转义字符，就像不能直接用class来做变量一样，python中的转义字符主要如下：

转义字符描述

\(在行尾时)

续行符

\\

反斜杠符号

\'

单引号

\"

双引号

\a

响铃

\b

退格(Backspace)

\e

转义

\000

空

\n

换行

\v

纵向制表符

\t

横向制表符

\r

回车

\f

换页

\oyy

八进制数，yy代表的字符，例如：\o12代表换行

\xyy

十六进制数，yy代表的字符，例如：\x0a代表换行

\other

其它的字符以普通格式输出

所以上面经常遇到类似：b'\xe9\xbe\x99'，其中 b 表示bytes类型，\x 其实表示十六进制值。

参考：