一、基本操作
下面列舉一下字節(jié)的基本操作,可以看出來(lái)它和字符串還是非常相近的:
In[40]: b = b"abcdx64" In[41]: b Out[41]: b'abcdd' In[42]: type(b) Out[42]: bytes In[43]: len(b) Out[43]: 5 In[44]: b[4] Out[44]: 100 # 100用十六進(jìn)制表示就是x64
如果想要修改一個(gè)字節(jié)串中的某個(gè)字節(jié),不能夠直接修改,需要將其轉(zhuǎn)化為bytearray后再進(jìn)行修改:
In[46]: barr = bytearray(b) In[47]: type(barr) Out[47]: bytearray In[48]: barr[0] = 110 In[49]: barr Out[49]: bytearray(b'nbcdd')
二、字節(jié)與字符的關(guān)系
上面也提到字節(jié)跟字符很相近,其實(shí)它們是可以相互轉(zhuǎn)化的。字節(jié)通過(guò)某種編碼形式就可以轉(zhuǎn)化為相應(yīng)的字符。字節(jié)通過(guò)encode()方法傳入編碼方式就可以轉(zhuǎn)化為字符,而字符通過(guò)decode()方法就可以轉(zhuǎn)化為字節(jié):
In[50]: s = "人生苦短,我用Python" In[51]: b = s.encode('utf-8') In[52]: b Out[52]: b'xe4xbaxbaxe7x94x9fxe8x8bxa6xe7x9fxadxefxbcx8cxe6x88x91xe7x94xa8Python' In[53]: c = s.encode('gb18030') In[54]: c Out[54]: b'xc8xcbxc9xfaxbfxe0xb6xccxa3xacxcexd2xd3xc3Python' In[55]: b.decode('utf-8') Out[55]: '人生苦短,我用Python' In[56]: c.decode('gb18030') Out[56]: '人生苦短,我用Python' In[57]: c.decode('utf-8') Traceback (most recent call last): exec(code_obj, self.user_global_ns, self.user_ns) File "", line 1, in c.decode('utf-8') UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid continuation byte In[58]: b.decode('gb18030') Out[58]: '浜虹敓鑻︾煭錛屾垜鐢≒ython'
我們可以看到用不同的編碼方式解析出來(lái)的字符和字節(jié)的方式是完全不同,如果編碼和解碼用了不同的編碼方式,就會(huì)產(chǎn)生亂碼,甚至轉(zhuǎn)換失敗。因?yàn)槊糠N編碼方式包含的字節(jié)種類數(shù)目不同,如上例中的xc8就超出了utf-8的最大字符。
三、應(yīng)用
舉個(gè)最簡(jiǎn)單的例子,我要爬取一個(gè)網(wǎng)頁(yè)的內(nèi)容,現(xiàn)在來(lái)爬取用百度搜索Python時(shí)返回的頁(yè)面,百度用的是utf-8編碼格式,如果不對(duì)返回結(jié)果解碼,那它就是一個(gè)超級(jí)長(zhǎng)的字節(jié)串。而進(jìn)行正確解碼后就可以顯示一個(gè)正常的html頁(yè)面。
import urllib.request url = "http://www.baidu.com/s?ie=utf-8&wd=python" page = urllib.request.urlopen(url) mybytes = page.read() encoding = "utf-8" print(mybytes.decode(encoding)) page.close()
聲明:本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí),若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系,我們將在第一時(shí)間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com