Python中必知的知识点:文本转义及编码的常用方法
每种语言都有其关键字和保留字符,这样为了能这些特殊字符能正常显示,就需要转义,如Python中\n代表回车,HTML中 代表空格等等。
Python中的’‘是转义控制符,如果要表达\本身则需要使用’’,常见于Windows系统的路径中(使用’/'则不需要转义)。
unicode转义
有时候我们在响应文本中会看到一些\u开头的字符串,如下例。
>>> import requests
>>> res = requests.get('https://httpbin.org/get?name=张三&age=12')
>>> print(res.text)
{
"args": {
"age": "12",
"name": "\u5f20\u4e09"
},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.24.0",
"X-Amzn-Trace-Id": "Root=1-5f8f8e42-6d1f34a2691b8bec579454a3"
},
"origin": "111.194.126.253",
"url": "https://httpbin.org/get?name=\u5f20\u4e09&age=12"
}
响应体文本中,name后面对应是"\u5f20\u4e09",这是HTTP请求在传输时为了确保符合ASCII编码对其他字符集做的unicode转义。
注意这个只是打印结果,我们看看res.text的本来样子。
>>> res.text
'{\n "args": {\n "age": "12", \n "name": "\\u5f20\\u4e09"\n }, \n "headers": {\n "Accept": "*/*", \n "Accept-Encoding": "gzip, deflate", \n "Host": "httpbin.org", \n "User-Agent": "python-requests/2.24.0", \n "X-Amzn-Trace-Id": "Root=1-5f8f8e42-6d1f34a2691b8bec579454a3"\n }, \n "origin": "111.194.126.253", \n "url": "https://httpbin.org/get?name=\\u5f20\\u4e09&age=12"\n}\n'
可以看出name的实际值是"\u5f20\u4e09","\u5f20\u4e09" != “\u5f20\u4e09”,看下如下例子。
'''
学习中遇到问题没人解答?小编创建了一个Python学习交流QQ群:531509025
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> name = "\u5f20\u4e09"
>>> name
'张三'
>>> name = "\\u5f20\\u4e09"
>>> name
'\\u5f20\\u4e09'
>>> print(name)
\u5f20\u4e09
可见 “\u5f20\u4e09” 就是"张三",而"\u5f20\u4e09"是一个显示为"\u5f20\u4e09"的字符串。
unicode转义-解码
如何将"\u5f20\u4e09"转为"张三"呢?方法如下
先按utf-8编码回二进制,然后按unicode-escape方式解码为正常文本
>>> name = "\\u5f20\\u4e09"
>>> name.encode('utf-8').decode('unicode-escape')
'张三'
unicode转义-编码
如果想将"张三"转为unicode转义字符只需要反向操作即可。
>>> name = "张三"
>>> name.encode('unicode-escape').decode('utf-8')
'\\u5f20\\u4e09'
GBK转义
有些中文网页中有时会使用GBK编码,形式为\x开头的字符如。
>>> name = "张三"
>>> name.encode('gbk')
b'\xd5\xc5\xc8\xfd'
这个二进制字符串b’\xd5\xc5\xc8\xfd’就是"张三",但如果我们拿到一个"\xd5\xc5\xc8\xfd"的普遍字符串呢?
操作方法如下。
'''
学习中遇到问题没人解答?小编创建了一个Python学习交流QQ群:531509025
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> name = "\xd5\xc5\xc8\xfd"
>>> name
'ÕÅÈý'
>>> name.encode('latin1').decode('unicode-escape').encode('latin1').decode('gbk')
'张三'
>>> name = "\\xd5\xc5\\xc8\\xfd"
>>> name.encode('latin1').decode('unicode-escape').encode('latin1').decode('gbk')
'张三'
无论是"\xd5\xc5\xc8\xfd"还是"\xd5\xc5\xc8\xfd"都可以。
html转义
在有些情况下我们需要解码html文档中的转义字符,或者进行编码,操作如下。
>>> import html
>>> args='{"e": 5, "f": 6}'
>>> html.escape(args) # 转义
'{"e": 5, "f": 6}'
>>> html.unescape('{"e": 5, "f": 6}') # 转回
'{"e": 5, "f": 6}'
url编码
在url中需要对一些特殊字符进行编码,比如在浏览器地址栏中输入https://httpbin.org/get?name=张三&age=12’
然后复制-粘贴,你会发现网址变为了https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12
,这就是url为确保ASCII对特殊字符集非ASCII编码进行的编码。
如何解码呢?方法如下。
>>> from urllib.parse import quote,unquote,urlencode
>>> url = 'https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12'
>>> unquote(url)
'https://httpbin.org/get?name=张三&age=12'
如果想要进行urlencode编码,则需要使用quote和urlencode,quote对字符串进行编码,一般只用于单个参数值,urlencode则对一组字典格式的参数进行编码组装。
示例如下:
>>> name = "张三"
>>> quote(name)
'%E5%BC%A0%E4%B8%89'
>>> url = f'https://httpbin.org/get?name={name}&age=12'
>>> url
'https://httpbin.org/get?name=张三&age=12'
>>>
或
>>> params = {"name": "张三", "age": 12}
>>> urlencode(params)
'name=%E5%BC%A0%E4%B8%89&age=12'
>>> url = f'https://httpbin.org/get?{urlencode(params)}'
>>> url
'https://httpbin.org/get?name=%E5%BC%A0%E4%B8%89&age=12'
base64编码
编码和加密的不同在于,编码一般为了传输或者压缩,支持解码。加密后则一般不能反解。
base64一般用于在接口中,将图片或媒体变为一种固定长度的字符串形式,方便传输。
base64编码解码方法如下。
编码
'''
学习中遇到问题没人解答?小编创建了一个Python学习交流QQ群:531509025
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> import base64
>>> a = 'lts'
>>> b =a.encode('utf-8')
>>> base64.b64encode(b)
b'bHRz'
>>> base64.b64encode(b).decode('utf-8')
'bHRz'
解码
>>> base64.b64decode('bHRz').decode('utf-8')
'lts'
>>> base64.b64decode(b'bHRz').decode('utf-8')
'lts'
>>>