在 Python 3 中从 utf-16 转换为 utf-8

Question

我正在使用 Python 3 进行编程，但遇到了一个小问题，我在网上找不到任何相关参考。

据我了解，默认字符串是 utf-16，但我必须使用 utf-8，我找不到将从默认字符串转换为 utf-8 的命令。 非常感谢您的帮助。

Answer 1

在 Python 3 中，当您使用字符串操作时，有两种不同的数据类型很重要。首先是字符串类，一个代表 unicode 代码点的对象。重要的是，这个字符串不是一些字节，而是一个字符序列。其次是 bytes 类，它只是一个字节序列，通常表示存储在编码中的字符串（如 utf-8 或 iso-8859-15）。

这对您意味着什么？据我了解，您想读取和写入 utf-8 文件。让我们编写一个程序，将所有 'ć' 替换为 'ç' 字符

def main():
    # Let's first open an output file. See how we give an encoding to let python know, that when we print something to the file, it should be encoded as utf-8
    with open('output_file', 'w', encoding='utf-8') as out_file:
        # read every line. We give open() the encoding so it will return a Unicode string. 
        for line in open('input_file', encoding='utf-8'):
            #Replace the characters we want. When you define a string in python it also is automatically a unicode string. No worries about encoding there. Because we opened the file with the utf-8 encoding, the print statement will encode the whole string to utf-8.
            print(line.replace('ć', 'ç'), out_file)

那么什么时候应该使用字节？不经常。我能想到的一个例子是当您从套接字读取某些内容时。如果你在一个字节对象中有这个，你可以通过执行 bytes.decode('encoding') 将它变成一个 unicode 字符串，反之亦然使用 str.encode('encoding')。但如前所述，您可能不需要它。

不过，因为它很有趣，这里是艰难的方式，您自己编码所有内容：

def main():
    # Open the file in binary mode. So we are going to write bytes to it instead of strings
    with open('output_file', 'wb') as out_file:
        # read every line. Again, we open it binary, so we get bytes 
        for line_bytes in open('input_file', 'rb'):
            #Convert the bytes to a string
            line_string = bytes.decode('utf-8')
            #Replace the characters we want. 
            line_string = line_string.replace('ć', 'ç')
            #Make a bytes to print
            out_bytes = line_string.encode('utf-8')
            #Print the bytes
            print(out_bytes, out_file)

关于这个主题（字符串编码）的好读物是http://www.joelonsoftware.com/articles/Unicode.html。真心推荐阅读！

来源：http://docs.python.org/release/3.0.1/whatsnew/3.0.html#text-vs-data-instead-of-unicode-vs-8-bit

(PS如你所见，我在这篇文章中没有提到utf-16。我实际上不知道python是否使用它作为内部解码，但这完全无关紧要。目前你正在使用一个字符串，你使用字符（代码点），而不是字节。