Python 中的字符编码

---

简介

Python 在数据科学和机器学习等技术的数据处理领域占据了显著的位置。在 21 世纪，处理海量数据对组织来说是一项极具挑战性的任务，而数据科学和机器学习的发展使得数据访问变得更加容易。

在 Python 语言中，使用 Unicode，并表示为 UTF（通用字符集传输格式）-8。对于字符的编码，主要有两种可能性：ASCII 字符和非 ASCII 字符。例如，我们取三个字符：

C = 67

D = 68

E = 69

D	68	1000100
字符	数字	二进制数

字符编码方法

有多种编码技术可用，其中 UTF-8 是 Python 语言中使用的编码技术。

• UTF 使用一个字节来表示 ASCII 字符。

• 另一方面，非 ASCII 字符根据其使用情况占用两个或更多字节。

• 由于当前技术使用 Python 3，因此它在编码过程中使用字节和字符串。

• 但在 Python 2 中，使用编码将字节数组转换为字符串 'str'。

• 字符编码是通过将给定的字符字符串转换为字节来完成的，而解码过程则涉及将字节转换为字符串。

方法

方法 1 - 使用 ASCII 模块

方法 2 - 使用 hex() 方法

方法 1：使用 binascii 模块进行字符编码的 Python 程序

使用 binascii() 方法，在“data”上调用 encode() 方法并使用“UTF-8”编码技术将给定的字符串转换为编码的二进制格式。

算法

• 步骤 1 - 导入 binascii 模块以使用 binascii.hexlify() 函数。

• 步骤 2 - 使用字符串元素初始化变量。

• 步骤 3 - 使用 type() 函数获取已定义变量的数据类型，在本例中为字符串变量。

• 步骤 4 - 然后将结果代码存储在变量“encoding”中。

• 步骤 5 - print 语句将返回字符串的类型和编码数据。

示例

#importing the binascii module
import binascii

#initializing the data with a string of elements
data = "Welcome to Tutorialpoint"
#returns the type of data initialized
print(type(data))

#convert the string into its equivalent binary format
encoding = binascii.hexlify(data.encode('utf-8'))
#returns the data after encoding the data
print("Data after encoding is:", encoding)

输出

<class 'str'>
Data after encoding is: b'57656c636f6d6520746f205475746f7269616c706f696e74'

方法 2：使用 hex() 方法进行字符编码的 Python 程序

使用 hex() 方法，在“data”上调用 encode() 方法并使用“UTF-8”编码技术将给定的字符串转换为编码的十六进制格式。

算法

• 步骤 1 - 使用字符串元素初始化变量。

• 步骤 2 - 使用 type() 函数获取已定义变量的数据类型，在本例中为字符串变量。

• 步骤 3 - 然后将结果代码分配给变量“encoding”。

• 步骤 4 - 最后，显示 encoding 变量的值。

示例

#initializing the data with a string of elements
data = "Welcome to Tutorialpoint"
#returns the type of data initialized
print(type(data))

#convert the string into its equivalent hexadecimal format
encoding = data.encode('utf-8').hex()
#returns the data after encoding the data
print("Data after encoding is:", encoding)

输出

<class 'str'>
Data after encoding is: 57656c636f6d6520746f205475746f7269616c706f696e74

结论

作为程序员，应在 Python 中对字符进行编码以确保安全。字符串的字符被编码，用于系统和其他电子设备。当数据从一个源传输到另一个源时，需要对数据或字符进行编码。字符串由 Unicode 对象组成，用于编码，可用于全球范围内。当 Unicode 被设计并可以在不同的操作系统和应用程序平台上访问时。