Python语言及其应用（第2版）

数据处理

｜

193

API

等）获得的文本都会被编码为字节序列形式。只要知道采用的是哪种编码，就可以

倒

推

出

Unicode

字符串。

问题是，字节序列本身不会告诉你自己使用的是什么编码。前文提到过从网站复制粘贴文

本的风险。你可能也碰到过显示乱码的网站。

下面来创建一个值为

'café'

的

Unicode

字符串

place

：

>>> place = 'caf\u00e9'

>>> place

'café'

>>> type(place)

<class 'str'>

将其以

UTF-8

编码，保存在

bytes

类型的变量

place_bytes

中：

>>> place_bytes = place.encode('utf-8')

>>> place_bytes

b'caf\xc3\xa9'

>>> type(place_bytes)

<class 'bytes'>

注意，

place_bytes

包含

5

字节。前

3

字节和

ASCII

一样（

UTF-8

的优势之一），后两字节

用于编码

'é'

。现在将该字符序列解码回

Unicode

字符串：

>>> place2 = place_bytes.decode('utf-8')

>>> place2

'café'

之所以可行的原因在于编码和解码的时使用的都是

UTF-8

。如果解码时使用其他编码会

怎样？

>>> place3 = place_bytes.decode('ascii')

Traceback (most recent call last):

File "<stdin>", line 1, ...