字符编解码
Python3相对于Python2的一大改变就是,对默认字符类型进行了修改。Python2中定义字符串默认为二进制字符串,强制加前缀u的才是unicode字符串;而Python3中字符串默认为unicode,强制加前缀b的才是二进制字符串。(也就是刚好反过来了)
学习Python中有不明白推荐加入交流群
号:516107834
群里有志同道合的小伙伴,互帮互助,
群里有不错的学习教程!
这里的二进制字符串:指的是进行过编码后的字符串。即utf8、gbk、ascii等编码后的串都是二进制的。存放到文件的时候也必须是二进制的内容。
unicode字符串:是一种在内存中存在的编码规范,它可以和任意其它类型的编码进行转换。比如:utf-8、gbk、ascii等。并且其它编码在进行互相转换时,都必须通过unicode来中转。该字符串只在内存中存在,没有具体的编码实现。
以"中国"为例,来看下各种编码方式下的表示形式:
"中国"unicode:\u4e2d\u56fdutf8:\xe4\xb8\xad\xe5\x9b\xbdgbk:\xd6\xd0\xb9\xfa
可以看到同样的字符串,在不同的编码中其对应的值是不一样的。但是不管哪种编码都可以转成unicode,unicode也可以转成任意其它的编码。(unicode被称为万国码,是世界上最大的字符集,可以支持编码全球的语言,但目前在编的并不是全部)
1、编码
python3中字符编码很简单。直接通过encode方法即可。(该方法只有unicode字符对象才有,Python3中unicode是str对象)
s = '中国' # => unicodeprint(type(s)) # => strs2 = s.encode('utf8') # => utf8print(type(s2)) # => bytes3 = s.encode('gbk') # => gbkprint(type(s3)) # => byte
![](/qrcode.jpg)
2、解码
Python3中解码用的是decode方法。(该方法只有byte对象才有)
b = b'中国' # => 具体编码编程环境的默认编码而定,通常为utf8print(type(b)) # => byteb1 = b.decode('utf8') # => unicodeprint(type(b1)) # => str
URL编解码
1、解析URL字符串
from urllib import parseurl = 'https://www.baidu.com/s?wd=python3%20url编码'parsed = parse.urlparse(url)print(parsed)
urlparse会把完整的URL串解析成各个部分,方便我们直接提取特定内容。其执行结果如下:
ParseResult(scheme='https', netloc='www.baidu.com', path='/s', params='', query='wd=python3%20url编码', fragment='')
即解析后分解为:协议,域名、路径、参数、查询字符串等。我们可以直接使用对应的属性名来获取。比如:获取query内容。
print(parsed.query) # => wd=python3%20url编码
2、query参数编码
由于query参数对应的是GET请求时,附件在URL路径后的查询参数。为了避免浏览器解析到特殊字符而导致不可预知的问题,所以通常需要对其内容进行编码,称为URLEncode。Python3中编码的方式如下:
d = { 'name': '陈霸天', 'sex': 'male', 'age': 18}query = parse.urlencode(d)print(query) # => name=%E9%99%88%E9%9C%B8%E5%A4%A9&sex=male&age=18
使用urlencode方法,可以很方便的对一个给定的字典对象的键值内容进行编码,并串联成一个有效格式的query字符串。可以直接附件到URL路径后来使用。(中间需要?链接)
3、query参数解码
有编码就有对应的解码方法,python3中其对应的解码方法不是urldecode,而是parse_qs方法。具体如下:
query = 'name=%E9%99%88%E9%9C%B8%E5%A4%A9&sex=male&age=18'd = parse.parse_qs(query)print(d) # => {'name': ['陈霸天'], 'sex': ['male'], 'age': ['18']}
注意返回的字典中,其value值都是list对象。这是因为有些键可能有多个值的情况。(正常可能会发生的情况)
4、纯字符串URL编码
上面方法是对字典对象进行的编码,如果只需对单个字符串内容编码, 则可以使用quote方法。
s = '中国'print(parse.quote(s)) # => %E4%B8%AD%E5%9B%BD
5、纯字符串URL解码
字符串的解码方法是和编码方法对应的叫unquote。使用方式如下:
s = '%E4%B8%AD%E5%9B%BD'print(parse.unquote(s)) # => 中国
BASE64编解码
1、BASE64编码
BASE64是一种对二进制进行编码的一种方式;之所以叫BASE64编码是因为经过这个算法进行编码之后,其内容只在规定的64个可打印字符之内。(0-9、a-z、A-Z、+、/)。python3中对字符进行BASE64编码的方式如下:
import base64src = '中国'.encode('utf8')print("明文:", src)enc = base64.b64encode(src)print("密文:", enc)
这段代码运行后的结果:
明文: b'\xe4\xb8\xad\xe5\x9b\xbd'密文: b'5Lit5Zu9'
可以看到b64encode方法接收的是一个二进制类型的字符串,返回的也是一个二进制类型的字符串。
2、BASE64解码
同编码相反的就是解码了,BASE64的解码也很简单。
import base64enc = b'5Lit5Zu9'print("密文:", enc)src = base64.b64decode(enc)print("明文:", src)print("unicode:", src.decode('utf8'))
执行后的代码如下:
密文: b'5Lit5Zu9'明文: b'\xe4\xb8\xad\xe5\x9b\xbd'unicode: 中国
3、BASE16编解码
base64库除了可以进行BASE64编码外,还可以支持BASE16编解码码。其使用方式如下:
import base64src = '中国'.encode('utf8')print("明文:", src)enc = base64.b16encode(src)print("密文:", enc)src = base64.b16decode(enc)print("明文:", src)print("unicode:", src.decode('utf8'))执行结果如下:明文: b'\xe4\xb8\xad\xe5\x9b\xbd'密文: b'E4B8ADE59BBD'明文: b'\xe4\xb8\xad\xe5\x9b\xbd'unicode: 中国
与BASE64编码后的内容不同,BASE16的编码后内容其实是有规律的。仔细看下明文和密文,可以发现其实是一种对应关系。比如:明文中的\xe4,对应的是密文中的E4;以此类推。即BASE16只是把二进制在内存中的数值使用16进制字符串来表示而已。
AES加解密
1、AES加密
AES(Advanced Encryption Standard)是一种加密技术和标准。其实DES(Data Encryption Standard)加密的升级版。该加密算法是一种对称加密,即使用相同的key来进行加密和解密。Python3中进行AES加密的方式如下:
import base64from Crypto.Cipher import AESdef ensure_to_16(value): pad = 16 - len(value) % 16 return value + b'\x00' * pad if pad != 16 else valuekey = b'123456'iv = b'ABCD'src = '中国'.encode('utf8')# AES ECB encryptaes = AES.new(ensure_to_16(key), AES.MODE_ECB)print('src:', src)enc = aes.encrypt(ensure_to_16(src))print('enc:', enc)base_str = base64.encodebytes(enc)print('base_str:', base_str)# AES CBC encrypt, need iv argaes = AES.new(ensure_to_16(key), AES.MODE_CBC, iv=ensure_to_16(iv))print('src:', src)enc = aes.encrypt(ensure_to_16(src))print('enc:', enc)base_str = base64.encodebytes(enc)print('base_str:', base_str)
上面的代码中需要说明的是,ensure_to_16主要作用是把key、iv、src等内容的长度补齐到16的整数倍。这个AES加密的标准要求,其中key、iv还可以是32、48等的整数倍,而src只能是16的整数倍。
另外,上面演示了2种加密类型,第一种是ECB,第二种CBC。其中第一种为不需要iv,第二种需要iv(初始化向量,俗称盐)参数。
代码执行效果如下:
src: b'\xe4\xb8\xad\xe5\x9b\xbd'enc: b'3+z@P4\x98\x0c\x1d\x9a\xce#F\xdf\xec\x1d'base_str: b'Myt6QFA0mAwdms4jRt/sHQ== 'src: b'\xe4\xb8\xad\xe5\x9b\xbd'enc: b'4\xd7\xa42U:Yz\xc7>\xba\\xb2\x96\x81 'base_str: b'NNekMlU6WXrHPrpcspaBCg== '
2、AES解密
AES解码时需要使用相同的key、iv和模式,有一个不一致都会导致解密失败。具体代码如下:
import base64from Crypto.Cipher import AESdef ensure_to_16(value): pad = 16 - len(value) % 16 return value + b'\x00' * pad if pad != 16 else valuekey = b'123456'iv = b'ABCD'b64_str = b'NNekMlU6WXrHPrpcspaBCg== '# AES CBC decrypt, need iv argaes = AES.new(ensure_to_16(key), AES.MODE_CBC, iv=ensure_to_16(iv))print('b64_str:', b64_str)enc = base64.decodebytes(b64_str)print('enc:', enc)src = aes.decrypt(enc)print('src:', src)
上面代码以CBC模式为例,对密文进行了解密。其执行的结果如下:
b64_str: b'NNekMlU6WXrHPrpcspaBCg== 'enc: b'4\xd7\xa42U:Yz\xc7>\xba\\xb2\x96\x81 'src: b'\xe4\xb8\xad\xe5\x9b\xbd\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'
可以看到明文src中的内容是以\x00补齐的,具体操作时还需要对其进行处理。比如:
src = b'\xe4\xb8\xad\xe5\x9b\xbd\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'print(src.strip(b'\x00').decode('utf8')) # => 中国