python2和python3對于字符串的處理有很大的區別

熟悉了python2的寫法用python3時真的會遇到很多問題啊……

區別

python2中有一種類型叫做unicode型，例

            
type(u"a") => str型
type("a".decode('utf8')) => unicode型
          

兩者返回的類型都是unicode型

而在python3中，所有的字符串都是unicode，所以就不存在單獨的unicode型，全部都是字符串型

            
type(u"a") => str型
type("a".decode('utf8')) => 報錯，python3不能這樣寫
          

但是python3中多處一種字符串

            
type(b'132') => byte型
          

而在python2中這樣寫就會報錯

所以顯而易見，decode和encode的使用也會有很大的區別

python2中的decode是將str型轉換為unicode型

python3中的decode是將byte型轉換為str型

使用

在使用python3寫爬蟲時，有時候會遇到這樣的錯誤

'gbk' codec can't encode character '\u30fb' in position 0: illegal multibyte sequence

遇到這樣的錯誤就和上面的編碼問題連系起來了

你會發現，明明自己設置的編碼是utf8，怎么會報一個gbk的錯誤？？

這個問題可能會在兩個地方出現(輸出時，寫入文件時)，其實這里設置的編碼并沒有問題，問題出在python3的字符串中，像上面說的，python3默認所有字符串都是unicode型，在面對字符串時，會首先按照unicode解析，自然會報錯

那么，我們來轉換一下編碼(假設a是一個gbk編碼的數據流)

            
"a".decode('gbk')
          

將字符串按照gbk規則解碼

會發現依舊報錯，明明已經改為gbk了啊……不著急，再進行一次

            
"a".decode('gbk').encode('utf8').decode('utf8')
          

為什么寫的這么長……就像上面說的，decode是將byte型轉為str型，而encode是將str型轉換為byte型，所以再進行一次encode，decode就能夠使得字符串轉換編碼格式

但是當你輸出時，你會發現還是有問題

解決

我們回到開始

不輸出我們想要的字符串，發現沒有問題……問題出在哪？

沒錯，是print()，print在輸出時會默認其中的字符時unicode編碼的字符串，而我們輸入了一個gbk編碼的字符串，所以就會出錯，所以，解決方法就是，不使用print……

但是print的使用有時候是不可避免的，所以在decode時加上一個ignore

            
"a".decode('gbk',errors='ignore')
          

此外，在打開或寫入文件時遇到的話，就需要加上encoding參數

            
with open("1.txt",'r',encoding='utf8') as a:
          

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。