【Python】输入输出字符串编码格式和文件读取写入编码格式

1 encode()和decode()方法：字符串编码转换

前言

Python 3.x 默认采用 UTF-8 编码格式，有效地解决了中文乱码的问题。

在 Python 中，有 2 种常用的字符串类型，分别为 str 和 bytes 类型，其中 str 用来表示 Unicode 字符，bytes 用来表示二进制数据。str 类型和 bytes 类型之间就需要使用 encode() 和 decode() 方法进行转换。

encode()方法

encode() 方法为字符串类型（str）提供的方法，用于将 str 类型转换成 bytes 类型，这个过程也称为“编码”。

encode() 方法的语法格式如下：

str.encode([encoding="utf-8"][,errors="strict"])

注意，格式中用 [] 括起来的参数为可选参数，也就是说，在使用此方法时，可以使用 [] 中的参数，也可以不使用。

该方法各个参数的含义如表 1 所示。

参数	含义
str	表示要进行转换的字符串。
encoding = "utf-8"	指定进行编码时采用的字符编码，该选项默认采用 utf-8 编码。 例如，如果想使用简体中文，可以设置 gb2312。 当方法中只使用这一个参数时，可以省略前边的“encoding=”，直接写编码格式，例如 str.encode("UTF-8")。
errors = "strict"	指定错误处理方式，其可选择值可以是： strict：遇到非法字符就抛出异常。 ignore：忽略非法字符。 replace：用“？”替换非法字符。 xmlcharrefreplace：使用 xml 的字符引用。 该参数的默认值为 strict。

注意，使用 encode() 方法对原字符串进行编码，不会直接修改原字符串，如果想修改原字符串，需要重新赋值。

encode后的数据如下：

b'\xce\xd2\xca\xc7\xcb\xad'
b'\xe6\x88\x91\xe6\x98\xaf\xe8\xb0\x81'
b'\xe6\x88\x91\xe6\x98\xaf\xe8\xb0\x81'

decode()方法

和 encode() 方法正好相反，decode() 方法用于将 bytes 类型的二进制数据转换为 str 类型，这个过程也称为“解码”。

decode() 方法的语法格式如下：

bytes.decode([encoding="utf-8"],[errors="strict"])

该方法中各参数的含义如表 2 所示。

参数	含义
bytes	表示要进行转换的二进制数据。
encoding="utf-8"	指定解码时采用的字符编码，默认采用 utf-8 格式。 当方法中只使用这一个参数时，可以省略“encoding=”，直接写编码方式即可。
errors = "strict"	指定错误处理方式，其可选择值可以是： strict：遇到非法字符就抛出异常。 ignore：忽略非法字符。 replace：用“？”替换非法字符。 xmlcharrefreplace：使用 xml 的字符引用。 该参数的默认值为 strict。

encode()和decode()组合使用

Python中，从控制台输入字符串，会先被重编码为Python解释器默认的字符串格式（一般为UTF-8），所以可以不用管控制台的代码页格式。

想要重新编码，可采用以下方法：

注意encode和decode中的编码格式必须保持一致！

# 注意encode和decode中的编码格式必须保持一致！
# encode将str转化为byte，decode把byte转化为str，其中只有encode发挥了转换编码的作用，decode只是把encode输出的byte序列切分为str
str = str.encode("gbk").decode("gbk")
str = str.encode("utf-8").decode("utf-8")
str = str.encode(sys.stdin.encoding).decode(sys.stdin.encoding)
# sys.stdin.encoding可以查看Python解释器默认的字符串格式

sys.stdin.encoding可以查看Python解释器默认的字符串格式

2 文件读取写入编码格式

查看python默认读写文件的编码

在Python中，默认的输出编码通常与默认的文件编码是相同的，因为默认情况下，标准输出（stdout）被重定向到控制台或终端设备，其编码通常与系统的默认编码相同。

要查看Python默认输出编码，你可以使用sys.stdout.encoding。

要查看Python默认文件编码，你可以使用locale.getpreferredencoding()。

import sys
import locale

default_output_encoding = sys.stdout.encoding
default_file_encoding = locale.getpreferredencoding()

print("默认输出编码:", default_output_encoding)
print("默认文件编码:", default_file_encoding)

想要指定编码，只需要指定encoding即可。

with open(os.path.join(sys.path[0], name + ".txt"), "r", encoding="utf-8") as f:
	data = f.readlines()
	
with open(os.path.join(sys.path[0], name + "_sorted.txt"), "w", encoding="utf-8") as f:
    f.writelines(data)