python3 字符串,字节流的编码问题

RahnX
  • 122

正在做网页爬虫,得到许多注入下列变量code的字符,想尝试将他们转换为utf-8的string输出到文件里,转换不成功,问题如下。

#Python 3.4.0
#coding:utf-8
import os

code = '\xe8\xb1\x86\xe7\x93\xa3'

bytes = code.encode(encoding='utf-8')

douban = str(bytes.decode('utf-8'))

#print(str(bytes.decode('utf-8')))

file_object = open('test.txt', 'w')
file_object.write(douban)
file_object.close()
回复
阅读 18.9k
4 个回答

首先,我觉得你需要认识这么几个概念:
1. unicode:在本文中表示用4byte表示的unicode编码,也是python内部使用的字符串编码方式。
2. utf-8:在本文中只最少1byte表示的unicode编码方式。

其次,你需要知道decode和encode之间的关系。

  1. encode: 从unicode编码为指定编码方式。

    例如:string.encode("utf-8")。表示stringunicode编码方式编码为utf-8编码方式。
    前提:string必须是unicode的编码方式,不然会出错。

  2. decode:从指定编码方式解码为unicode方式。

    例如:string.decode("utf-8")。表示stringutf-8编码方式解码为unicode编码方式。
    前提:string必须是utf-8(你指定的编码方式),不然会出错。

可以看出,在python中,所有格式的中间编码方式就是unicode,需要从编码A转换为编码B,只需要string.decode("A").encode("B")就可以了。

有了上面的知识储备再回到你的问题。

你的code = '\xe8\xb1\x86\xe7\x93\xa3'根据我的经验看起来就是utf-8的编码方式(因为我看到的utf-8编码都是\xFF这种样式,但是我不确定这两者之间的绝对关系),所以这块应该使用u_code = code.decode("utf-8")来使得code解码为unicode,再将其编码为你需要的编码方式(例如gb18030)。

而,你的需求中写到,你希望写入文件的是utf-8的编码格式,所以你可以直接file_object.write(code)。这样你文件中的内容就是utf-8编码的。

如果你拿到一个字符串,你不知道他的编码方式,可以试试chardet,他会给出字符串的编码格式,和信赖度。可以作为你的参考。

文中有任何问题请联系我,欢迎指出问题。

已经是utf-8了编码一次又解码一次做了跟没做有什么区别?

#coding:utf-8
import os

code = b'\xe8\xb1\x86\xe7\x93\xa3'
code = code.decode('utf-8')
file_object = open('test.txt', 'w', encoding="utf-8")
file_object.write(code)
file_object.close()

lz爬的是豆瓣吗?豆瓣用的就是utf-8

<meta charset="UTF-8">

我原来也爬过,豆瓣用的是UTF-8 根本也不用转啊
请输入图片描述

请输入图片描述

本人用的2.7

Windard
  • 1
新手上路,请多包涵

大兄弟,在 Python 3 中,你这样写是不行的,得这样

code = b'\xe8\xb1\x86\xe7\x93\xa3'
print(code.decode())
宣传栏