Python 字符串和 str() 方法编码和解码

Question

我看到the Python manual 提到了.encode() 和.decode() 字符串方法。在 Python CLI 上玩耍，我发现我可以使用与“常规”字符串 'hello' 不同的数据类型创建 unicode 字符串 u'hello'，并且可以使用 str() 进行转换/转换。但真正的问题开始于使用高于 ASCII 127 u'שלום' 的字符时，我很难凭经验确定到底发生了什么。

is 987654324 overflowing 987654326 of 987654328 regarding Python's 987654331 and 987654333 handling @ / p>

使用str()方法对字符串进行编码和解码时究竟发生了什么（字节如何变化，数据类型如何变化），尤其是当字符串中包含不能用7个字节表示的字符时? 数据类型为<type 'str'> 的Python 变量是否可以编码和解码？如果它被编码，我理解这意味着该字符串由 UTF-8、ISO-8859-1 或其他编码表示，这是正确的吗？如果它被解码，这是什么意思？解码的字符串是 unicode 吗？如果是这样，那为什么他们没有数据类型<type 'unicode'>？

为了那些稍后将阅读本文的人的利益，我认为 Python 2 和 Python 3 都应该得到解决。谢谢！

Answer 1

这只是在 Python 2 中的情况。在 Python 2 的字符串上存在 decode 方法是一个缺陷，在 Python 3 中已更改（其中等效的 bytes 只有 decode） .

您不能“编码”已编码的字符串。当您在 str 上调用 encode 时会发生什么，Python 使用默认编码（通常是 ASCII）隐式调用 decode。。这几乎总是不是你想要的。在将 str 转换为其他编码之前，您应该始终调用 decode 将其转换为 unicode。

（解码后的字符串是 unicode，并且它们确实的类型为<unicode>，所以我不知道你的这个问题是什么意思。）

在 Python 3 中，字符串默认是 unicode。您只能将它们编码为bytes - 正如我上面提到的，它只能被解码。