Python培训之怎么处理字符编码问题

发布时间:2022-11-30 09:40:07 人气:33 作者:多测师

  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:

  >>> import base64

  >>> 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"url safe"的base64编码,其实就是把字符+和/分别变成-和_:

Python培训之怎么处理字符编码问题

  >>> 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 (most recent call last):

  ...

  TypeError: Incorrect padding

  >>> 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,请关注多测师。https://www.e70w.com/xwzx/


返回列表
在线客服
联系方式

热线电话

17727591462

上班时间

周一到周五

二维码
线