Python - UNICODE字串與bytes字串的關聯性與轉換

Python3 預設就是使用 UNICODE 字串
但我們處理文章或是網頁的時候，常會遇到編碼問題，這邊做個整理


1. 產生 UNICODE 字串 or bytes 字串的方法
2. UNICODE 與 bytes 字串間的轉換
3. 利用 encode 與 decode 切換 UNICODE 與其他編碼
4. 不同編碼間要轉換，請切回 UNICODE


=============================================================


1. 產生 UNICODE 字串 or bytes 字串的方法
    (標準產生法，字串前加b的內容，只能是 ASCII code)
    我們宣告任何字串，預設就是  UNICODE, 不需要前面特別加個小 u

tmpStr0 = 'byte'                            #預設就是 UNICODE tmpStr1 = b'byte' tmpStr2 = 'Unicode字串' tmpStr3 = u'Unicode字串' print(type(tmpStr0)) print(type(tmpStr1)) print(type(tmpStr2)) print(type(tmpStr3)) if tmpStr2 == tmpStr3:   print("預設字串就是 Unicode 字串") >>> <class 'str'> <class 'bytes'> <class 'str'> <class 'str'> 預設字串就是 Unicode 字串

2. UNICODE 與 bytes 字串間的轉換

    Python3 預設編碼是 UNICODE ，他對於字串只有兩種格式，就是'str'  or 'bytes'

    當你創造一個字串，就是 UNICODE 格式，
    轉成別種格式後，就變成 Byte Array

tmpStr = '讚呀' tmpStr1 = tmpStr print("tmpStr1", tmpStr) print("tmpStr1", type(tmpStr))            # 原始字串，type 是 str tmpStr2 = tmpStr.encode('big5') print("tmpStr2", tmpStr2) print("tmpStr2", type(tmpStr2))          # 新編碼字串，type 自動變成 bytes tmpStr3 = bytes(tmpStr, 'big5') print("tmpStr3", tmpStr3) print("tmpStr3", type(tmpStr3))          # 新編碼字串，type 自動變成 bytes if (tmpStr2 == tmpStr3):   print("兩種轉法相同") else:   print("兩種轉法不同")

輸出結果

tmpStr1 讚呀 tmpStr1 <class 'str'> tmpStr2 b'\xc6g\xa7r' tmpStr2 <class 'bytes'> tmpStr3 b'\xc6g\xa7r' tmpStr3 <class 'bytes'> 兩種轉法相同

3. 利用 encode 與 decode 切換 UNICODE 與其他編碼
一個字串，initial 的時候是 'str' type, 當換成別種格式，就會變成 bytes,
Decode 回來後，又會變成 'str'

tmpStr = '讚呀' tmpStr2 = tmpStr tmpStr2 = tmpStr2.encode('big5')       # tmpStr2 一經轉換，就自動變成 bytes print('1', type(tmpStr2)) tmpStr2 = tmpStr2.decode('big5')       # 使用decode轉回後，自動變成 'str' print('2', type(tmpStr2))

輸出：

1 <class 'bytes'> 2 <class 'str'>

4. 不同編碼間要轉換，請切回 UNICODE
    以下範例將 big5 轉回 UTF-8

tmpStr = '讚呀' tmpStr2 = tmpStr tmpStr2 = tmpStr2.encode('big5')       # tmpStr2 一經轉換，就自動變成 bytes print('1', type(tmpStr2)) tmpStr2 = tmpStr2.decode('big5')       # 使用decode轉回後，自動變成 'str' print('2', type(tmpStr2)) tmpStr2 = tmpStr2.encode('UTF-8') print('3', type(tmpStr2))

輸出：

1 <class 'bytes'> 2 <class 'str'> 3 <class 'bytes'>