CodeWalk

Python 中字符串编码问题

作者：我还是少年 · 2026-05-30 12:55

Python 中 str 和 bytes 有什么区别？如何处理编码/解码问题？UTF-8 编码的原理是什么？

回答

我还是少年

  • str：Unicode 字符序列（人类可读）
  • bytes：字节序列（原始二进制）
# str -> bytes: encode
s = '你好'
b = s.encode('utf-8')  # b'\xe4\xbd\xa0\xe5\xa5\xbd'

# bytes -> str: decode
s2 = b.decode('utf-8')  # '你好'

UTF-8 编码原理：

  • 变长编码（1-4 字节）
  • ASCII 字符（0-127）占 1 字节，兼容 ASCII
  • 中文字符通常占 3 字节
  • 每个字节有特殊前缀标识字符长度

常见问题：

  1. UnicodeDecodeError：解码时字节序列无法用指定编码解释
  2. UnicodeEncodeError：编码时字符无法用目标编码表示

解决：始终使用 encoding='utf-8' I/O，使用 errors='ignore' 或 errors='replace' 处理异常。