python怎么处理字符编码问题

python中可以使用base64来处理字符编码问题，Base64是一种用64个字符来表示任意二进制数据的方法。

用记事本打开exe、jpg、pdf这些文件时，我们都会看到一大堆乱码，因为二进制文件包含很多无法显示和打印的字符，所以，如果要让记事本这样的文本处理软件能处理二进制数据，就需要一个二进制到字符串的转换方法。Base64是一种最常见的二进制编码方法。

Base64的原理很简单，首先，准备一个包含64个字符的数组：

['A','B','C',...'a','b','c',...'0','1',...'+','/']

然后，对二进制数据进行处理，每3个字节一组，一共是3x8=24bit，划为4组，每组正好6个bit

这样我们得到4个数字作为索引，然后查表，获得相应的4个字符，就是编码后的字符串。

所以，Base64编码会把3字节的二进制数据编码为4字节的文本数据，长度增加33%，好处是编码后的文本数据可以在邮件正文、网页等直接显示。

如果要编码的二进制数据不是3的倍数，最后会剩下1个或2个字节怎么办?Base64用\x00字节在末尾补足后，再在编码的末尾加上1个或2个=号，表示补了多少字节，解码的时候，会自动去掉。

Python内置的base64可以直接进行base64的编解码：

>>>importbase64

>>>base64.b64encode('binary\x00string')

'YmluYXJ5AHN0cmluZw=='

>>>base64.b64decode('YmluYXJ5AHN0cmluZw==')

'binary\x00string'

由于标准的Base64编码后可能出现字符+和/，在URL中就不能直接作为参数，所以又有一种"urlsafe"的base64编码，其实就是把字符+和/分别变成-和_：

>>>base64.b64encode('i\xb7\x1d\xfb\xef\xff')

'abcd++/'

>>>base64.urlsafe_b64encode('i\xb7\x1d\xfb\xef\xff')

'abcd--__'

>>>base64.urlsafe_b64decode('abcd--__')

'i\xb7\x1d\xfb\xef\xff'

还可以自己定义64个字符的排列顺序，这样就可以自定义Base64编码，不过，通常情况下完全没有必要。

Base64是一种通过查表的编码方法，不能用于加密，即使使用自定义的编码表也不行。

Base64适用于小段内容的编码，比如数字证书签名、Cookie的内容等。

由于=字符也可能出现在Base64编码中，但=用在URL、Cookie里面会造成歧义，所以，很多Base64编码后会把=去掉：

#标准Base64:

'abcd'->'YWJjZA=='

#自动去掉=:

'abcd'->'YWJjZA'

去掉=后怎么解码呢?因为Base64是把3个字节变为4个字节，所以，Base64编码的长度永远是4的倍数，因此，需要加上=把Base64字符串的长度变为4的倍数，就可以正常解码了。

请写一个能处理去掉=的base64解码函数：

>>>base64.b64decode('YWJjZA==')

'abcd'

>>>base64.b64decode('YWJjZA')

Traceback(mostrecentcalllast):

...

TypeError:Incorrectpadding

>>>safe_b64decode('YWJjZA')

'abcd'

小结

Base64是一种任意二进制到文本字符串的编码方法，常用于在URL、Cookie、网页中传输少量二进制数据。

以上内容为大家介绍了Python培训之怎么处理字符编码问题，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。

声明：本站部分稿件版权来源于网络，如有侵犯版权，请及时联系我们。