Python3中转换字符串编码

时间：2024-04-25 17:04:26

在使用subprocess调用Windows命令时，遇到了字符串不显示中文的问题，源码如下：#-*-coding:utf-8-*-__author__ = '$USER'

#-*-coding:utf-8-*-

__author__ = '$USER'

import subprocess

p = subprocess.Popen('nslookup www.qq.com', stdout=subprocess.PIPE)

p.wait()

print('returncode：%d' % p.returncode)

out = p.communicate()

for i in out:

    if i is not None:

        s = str(i, encoding='utf-8')

        print(s)

输出如下：

returncode：0

File "F:/TECH/python/LearnPython100Days/subprocessSample.py", line 11, in <module>

s = str(i, encoding='utf-8')

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb7 in position 0: invalid start byte

结果显示，输出变量在编码为UT-8时出错。这是因为Windows命令行使用的是GBK编码格式（可在命令行属性中查看），而不是UTF-8，因此直接进行转换是不行的。因此，将代码修改为：

s = str(i, encoding='GBK')

即可得到正确输出：

returncode：0

服务器:  UnKnown

Address:  211.137.130.3

名称:    https.qq.com

Addresses:  2402:4e00:8030:1::7d

	  121.51.142.21

Aliases:  www.qq.com

在项目中，为了避免出现乱码，最好将所有的输出全部统一为UTF-8格式。那么，如何实现呢？

1.使GBK将字节串编码为中文；

2.使用UTF-8将中文字符串编码为字节串；

3.使用UTF-8将该字节串解码为字符串，即得到一串中文。

相关代码如下：

for i in out:

    if i is not None:

        print('原始字节串(%s)：\n%s' %(chardet.detect(i)['encoding'],i))

        s = str(i, encoding='GBK')

        print('中文字符串：\n%s' %s)

        utf8_bytes = s.encode('UTF-8', 'ignore')

        print('转码后的字节串(%s)：\n%s' % (chardet.detect(utf8_bytes)['encoding'], utf8_bytes))

        utf8_str = utf8_bytes.decode('UTF-8')

        print('转码后的中文字符串：\n%s' %utf8_str)

　　

输出如下：

returncode：0

原始字节串(ISO-8859-9)：

b'\xb7\xfe\xce\xf1\xc6\xf7:  UnKnown\r\nAddress:  211.137.130.3\r\n\r\n\xc3\xfb\xb3\xc6:    https.qq.com\r\nAddresses:  2402:4e00:8030:1::7d\r\n\t  121.51.142.21\r\nAliases:  www.qq.com\r\n\r\n'

中文字符串：

服务器:  UnKnown

Address:  211.137.130.3

名称:    https.qq.com

Addresses:  2402:4e00:8030:1::7d

	  121.51.142.21

Aliases:  www.qq.com

转码后的字节串(utf-8)：

b'\xe6\x9c\x8d\xe5\x8a\xa1\xe5\x99\xa8:  UnKnown\r\nAddress:  211.137.130.3\r\n\r\n\xe5\x90\x8d\xe7\xa7\xb0:    https.qq.com\r\nAddresses:  2402:4e00:8030:1::7d\r\n\t  121.51.142.21\r\nAliases:  www.qq.com\r\n\r\n'

转码后的中文字符串：

服务器:  UnKnown

Address:  211.137.130.3

名称:    https.qq.com

Addresses:  2402:4e00:8030:1::7d

	  121.51.142.21

Aliases:  www.qq.com

　　

注意：

1.字节串转为GBK，再使用UTF-8转为字节串后，其值发生了变化；

2.使用chardet模块能够检测字节串的编码类型，但是它的结果不保证准确，仅供参考。它将第一个字节串检测成了‘ISO-8859-9’

3.在phthon3中，字符串的encode()方法能够得到字节串，没有decode方法；相应地，字节串bytes.decode()方法将其解码为字符串，没有encode方法。这里与python2不一样。

相关文章