Chào các cậu,
Tôi đang xử lý một tệp được mã hóa UTF-16 bằng BOM và lúc đầu tôi không biết về
gói codec. Tôi đã viết đoạn mã sau.
===== Mã 1============================
for i in open["d:\python24\lzjtest.xml", 'r'].readlines[]:
i = tôi. giải mã ["utf-16"]
in tôi
====================== .
Output was:
Truy nguyên [lần gọi gần đây nhất].
Tệp "D. \Python24\testutf-16. py", dòng 4, trong -toplevel-
i = i. giải mã["utf-16"]
Tệp "D. \Python24\lib\encodings\utf_16. py", dòng 16, trong giải mã
trả về codec. utf_16_decode[đầu vào, lỗi, Đúng]
Lỗi UnicodeDecode. 'utf16' codec không thể giải mã byte 0x0a ở vị trí
84. dữ liệu bị cắt bớt
Tôi đã tìm kiếm trên google và tìm thấy một bài viết về vấn đề tương tự nói rằng hãy sử dụng
split[]. Tôi đã không hoàn toàn nắm bắt được ý nghĩa của bài viết và viết lại như.
==== Mã 2==============================
for i in open["d:\python24\lzjtest.xml", 'r'].read[].split['\r\n']:
i = tôi. giải mã ["utf-16"]
in tôi
====================== .
Then it worked [echo the file].
Sau này mình làm quen với codec và viết đoạn code sau
==== Mã 3 ==============
nhập . mở ["d. \python24\lzjtesttvs2. xml", 'r', 'utf-16']. đường đọc [].
for i in codecs.open["d:\python24\lzjtesttvs2.xml", 'r', 'utf-16'].readlines[]:
in tôi
============================= .
It worked and echo the file.
Tôi thắc mắc không biết mã đầu tiên có vấn đề gì và tại sao lỗi
được khắc phục trong
mã thứ hai.
Cảm ơn trước
-Zhongjian
Tim Vàng
2008-10-22 07. 52. 54 UTC
liên kết cố định
Bài đăng của Mark Tolonen
Bài đăng của Tim Golden
Bài đăng của Tim Brown
Xin chào,
I'm trying to create and append unicode strings to a utf-16 text file.
Điều tốt nhất tôi có thể nghĩ ra là sử dụng codec. open[] với
mã hóa 'utf-16' nhưng khi tôi nối thêm, tôi nhận được một BOM UTF16
khác được đưa vào tệp mà các chương trình khác không có . -[
Có cách nào để ngăn codec thực hiện việc này hay có cách
tốt hơn để tạo và thêm dữ liệu vào tệp văn bản utf-16 không?>> 'German ß, ♬'.encode[encoding='ascii', errors='backslashreplace']
b'German \\xdf, \\u266c'
>>> 'German ß, ♬'.encode[encoding='ascii', errors='xmlcharrefreplace']
b'German ß, ♬'
Có thể sử dụng các trình xử lý lỗi sau với tất cả các Mã hóa tiêu chuẩn codec của Python.
Giá trị
Nghĩa
CodecInfo
2
Nâng cao CodecInfo
22 [hoặc một lớp con], đây là giá trị mặc định. Thực hiện trong CodecInfo
23
CodecInfo
24
Bỏ qua dữ liệu không đúng định dạng và tiếp tục mà không cần thông báo thêm. Thực hiện trong CodecInfo
25
CodecInfo
26
Thay thế bằng một điểm đánh dấu thay thế. Khi mã hóa, hãy sử dụng CodecInfo
27 [ký tự ASCII]. Khi giải mã, hãy sử dụng CodecInfo
28 [U+FFFD, KÝ TỰ THAY THẾ chính thức]. Thực hiện trong CodecInfo
29
codecs
10
Thay thế bằng các chuỗi thoát dấu gạch chéo ngược. Khi mã hóa, hãy sử dụng dạng thập lục phân của điểm mã Unicode với các định dạng codecs
11 codecs
12 codecs
13. Khi giải mã, hãy sử dụng dạng thập lục phân của giá trị byte có định dạng codecs
11. Thực hiện trong codecs
15
codecs
16
Khi giải mã, thay thế byte bằng mã thay thế riêng lẻ trong khoảng từ codecs
17 đến codecs
18. Mã này sau đó sẽ được chuyển trở lại cùng một byte khi trình xử lý lỗi codecs
16 được sử dụng khi mã hóa dữ liệu. [Xem PEP 383 để biết thêm. ]
Các trình xử lý lỗi sau chỉ áp dụng cho mã hóa [trong mã hóa văn bản ].
Giá trị
Nghĩa
codecs
20
Thay thế bằng tham chiếu ký tự số XML/HTML, là dạng thập phân của điểm mã Unicode có định dạng codecs
21 Được triển khai trong codecs
22
codecs
23
Thay thế bằng chuỗi thoát codecs
24, những gì xuất hiện trong dấu ngoặc nhọn là thuộc tính Tên từ Cơ sở dữ liệu ký tự Unicode. Thực hiện trong codecs
25
Ngoài ra, trình xử lý lỗi sau dành riêng cho các codec nhất định
Giá trị
codec
Nghĩa
codecs
26
utf-8, utf-16, utf-32, utf-16-be, utf-16-le, utf-32-be, utf-32-le
Cho phép mã hóa và giải mã điểm mã thay thế [codecs
27 - codecs
28] như điểm mã bình thường. Mặt khác, các codec này coi sự hiện diện của điểm mã thay thế trong codecs
15 là một lỗi
Mới trong phiên bản 3. 1. Trình xử lý lỗi codecs
16 và codecs
26.
Đã thay đổi trong phiên bản 3. 4. Trình xử lý lỗi codecs
26 hiện hoạt động với codec utf-16* và utf-32*.
Mới trong phiên bản 3. 5. Trình xử lý lỗi codecs
23.
Đã thay đổi trong phiên bản 3. 5. Trình xử lý lỗi codecs
10 hiện hoạt động với chức năng giải mã và dịch.
Tập hợp các giá trị được phép có thể được mở rộng bằng cách đăng ký trình xử lý lỗi có tên mới
codec. register_error[tên , error_handler]¶Đăng ký hàm xử lý lỗi error_handler dưới tên name. Đối số error_handler sẽ được gọi trong quá trình mã hóa và giải mã trong trường hợp có lỗi, khi tên được chỉ định làm tham số lỗi
Để mã hóa, error_handler sẽ được gọi với phiên bản CodecInfo
2, chứa thông tin về vị trí xảy ra lỗi. Trình xử lý lỗi phải đưa ra ngoại lệ này hoặc ngoại lệ khác hoặc trả về một bộ có phần thay thế cho phần không mã hóa được của đầu vào và vị trí tiếp tục mã hóa. Sự thay thế có thể là codecs
15 hoặc CodecInfo
1. Nếu thay thế là byte, bộ mã hóa sẽ chỉ sao chép chúng vào bộ đệm đầu ra. Nếu thay thế là một chuỗi, bộ mã hóa sẽ mã hóa thay thế. Mã hóa tiếp tục trên đầu vào ban đầu ở vị trí đã chỉ định. Các giá trị vị trí phủ định sẽ được coi là có liên quan đến phần cuối của chuỗi đầu vào. Nếu vị trí kết quả nằm ngoài giới hạn, một CodecInfo
8 sẽ được nâng lên
Giải mã và dịch hoạt động tương tự, ngoại trừ codecs
2 hoặc codecs
00 sẽ được chuyển đến trình xử lý và phần thay thế từ trình xử lý lỗi sẽ được đưa trực tiếp vào đầu ra
Trình xử lý lỗi đã đăng ký trước đó [bao gồm cả trình xử lý lỗi tiêu chuẩn] có thể được tra cứu theo tên
codec. lookup_error[tên] ¶Trả lại trình xử lý lỗi đã đăng ký trước đó dưới tên name
Tăng một codecs
1 trong trường hợp không thể tìm thấy trình xử lý
Các trình xử lý lỗi tiêu chuẩn sau đây cũng được cung cấp dưới dạng các hàm cấp mô-đun
codec. strict_errors[ngoại lệ] ¶Thực hiện xử lý lỗi CodecInfo
2
Mỗi lỗi mã hóa hoặc giải mã sẽ làm tăng CodecInfo
22
Thực hiện xử lý lỗi CodecInfo
24
Dữ liệu không đúng định dạng bị bỏ qua;
codec. replace_errors[ngoại lệ] ¶Thực hiện xử lý lỗi CodecInfo
26
Thay thế CodecInfo
27 [ký tự ASCII] cho lỗi mã hóa hoặc CodecInfo
28 [U+FFFD, KÝ TỰ THAY THẾ chính thức] cho lỗi giải mã
Thực hiện xử lý lỗi codecs
10
Dữ liệu không đúng định dạng được thay thế bằng chuỗi thoát có dấu gạch chéo ngược. Về mã hóa, hãy sử dụng dạng thập lục phân của điểm mã Unicode với các định dạng codecs
11 codecs
12 codecs
13. Khi giải mã, hãy sử dụng dạng thập lục phân của giá trị byte có định dạng codecs
11
Đã thay đổi trong phiên bản 3. 5. Làm việc với giải mã và dịch.
codec. xmlcharrefreplace_errors[ngoại lệ] ¶Triển khai xử lý lỗi codecs
20 [chỉ dành cho mã hóa trong mã hóa văn bản ].
Ký tự không thể mã hóa được thay thế bằng tham chiếu ký tự số XML/HTML thích hợp, là dạng thập phân của điểm mã Unicode có định dạng codecs
21
Triển khai xử lý lỗi codecs
23 [chỉ dành cho mã hóa trong mã hóa văn bản ].
Ký tự không thể mã hóa được thay thế bằng chuỗi thoát codecs
24. Tập hợp các ký tự xuất hiện trong dấu ngoặc nhọn là thuộc tính Tên từ Cơ sở dữ liệu ký tự Unicode. Ví dụ: ký tự viết thường của Đức codecs
17 sẽ được chuyển đổi thành chuỗi byte codecs
18
Mới trong phiên bản 3. 5
Mã hóa và giải mã phi trạng thái¶
Lớp cơ sở codecs
19 xác định các phương thức này cũng xác định các giao diện chức năng của bộ mã hóa và giải mã phi trạng thái
Mã hóa đối tượng đầu vào và trả về một bộ [đối tượng đầu ra, độ dài tiêu thụ]. Chẳng hạn, mã hóa văn bản chuyển đối tượng chuỗi thành đối tượng byte bằng cách sử dụng mã hóa bộ ký tự cụ thể [e. g. , codecs
20 hoặc codecs
21].
Đối số lỗi xác định xử lý lỗi để áp dụng. Nó mặc định để xử lý CodecInfo
2
Phương thức có thể không lưu trữ trạng thái trong trường hợp codecs
19. Sử dụng codecs
7 cho các codec phải giữ trạng thái để mã hóa hiệu quả
Bộ mã hóa phải có khả năng xử lý đầu vào có độ dài bằng 0 và trả về một đối tượng trống của loại đối tượng đầu ra trong trường hợp này
Bộ giải mã. giải mã[đầu vào , lỗi='strict']¶Giải mã đối tượng đầu vào và trả về một bộ [đối tượng đầu ra, độ dài tiêu thụ]. Chẳng hạn, đối với mã hóa văn bản , việc giải mã sẽ chuyển đổi một đối tượng byte được mã hóa bằng mã hóa bộ ký tự cụ thể thành một đối tượng chuỗi.
Đối với mã hóa văn bản và codec byte-to-byte, đầu vào phải là đối tượng byte hoặc đối tượng cung cấp giao diện bộ đệm chỉ đọc – ví dụ: đối tượng bộ đệm và tệp ánh xạ bộ nhớ
Đối số lỗi xác định xử lý lỗi để áp dụng. Nó mặc định để xử lý CodecInfo
2
Phương thức có thể không lưu trữ trạng thái trong trường hợp codecs
19. Sử dụng codecs
8 cho các codec phải giữ trạng thái để giải mã hiệu quả
Bộ giải mã phải có khả năng xử lý đầu vào có độ dài bằng 0 và trả về một đối tượng trống của loại đối tượng đầu ra trong tình huống này
Mã hóa và giải mã tăng dần¶
Các lớp codecs
5 và codecs
6 cung cấp giao diện cơ bản để mã hóa và giải mã gia tăng. Mã hóa/giải mã đầu vào không được thực hiện với một lệnh gọi đến chức năng bộ mã hóa/giải mã không trạng thái, mà với nhiều lệnh gọi đến phương thức codecs
3/codecs
4 của bộ mã hóa/giải mã gia tăng. Bộ mã hóa/giải mã gia tăng theo dõi quá trình mã hóa/giải mã trong khi gọi phương thức
Đầu ra đã nối của các lệnh gọi phương thức codecs
3/codecs
4 giống như thể tất cả các đầu vào đơn lẻ được nối thành một và đầu vào này được mã hóa/giải mã bằng bộ mã hóa/giải mã phi trạng thái
Đối tượng IncrementalEncoder¶
Lớp codecs
5 được sử dụng để mã hóa đầu vào theo nhiều bước. Nó định nghĩa các phương thức sau mà mọi bộ mã hóa gia tăng phải xác định để tương thích với sổ đăng ký codec Python
Trình xây dựng cho phiên bản codecs
5
Tất cả các bộ mã hóa gia tăng phải cung cấp giao diện hàm tạo này. Họ có thể tự do thêm các đối số từ khóa bổ sung, nhưng chỉ những đối số được xác định ở đây mới được sử dụng bởi cơ quan đăng ký codec Python
____codecs
5 có thể triển khai các sơ đồ xử lý lỗi khác nhau bằng cách cung cấp đối số từ khóa lỗi. Xem Trình xử lý lỗi để biết các giá trị có thể.
Đối số lỗi sẽ được gán cho một thuộc tính cùng tên. Việc gán cho thuộc tính này giúp có thể chuyển đổi giữa các chiến lược xử lý lỗi khác nhau trong suốt thời gian tồn tại của đối tượng codecs
5
Mã hóa đối tượng [tính đến trạng thái hiện tại của bộ mã hóa] và trả về đối tượng được mã hóa kết quả. Nếu đây là lần gọi cuối cùng tới codecs
3 thì cuối cùng phải đúng [mặc định là sai]
Đặt lại bộ mã hóa về trạng thái ban đầu. Đầu ra bị loại bỏ. gọi codecs
39, chuyển một byte trống hoặc chuỗi văn bản nếu cần, để đặt lại bộ mã hóa và nhận đầu ra
Trả về trạng thái hiện tại của bộ mã hóa phải là số nguyên. Việc triển khai phải đảm bảo rằng codecs
40 là trạng thái phổ biến nhất. [Các trạng thái phức tạp hơn số nguyên có thể được chuyển đổi thành số nguyên bằng cách sắp xếp lại/chọn lọc trạng thái và mã hóa các byte của chuỗi kết quả thành một số nguyên. ]
Đặt trạng thái của bộ mã hóa thành trạng thái. trạng thái phải là trạng thái bộ mã hóa được trả về bởi codecs
41
Đối tượng Bộ giải mã Gia tăng¶
Lớp codecs
6 được sử dụng để giải mã đầu vào theo nhiều bước. Nó định nghĩa các phương thức sau mà mọi bộ giải mã gia tăng phải xác định để tương thích với sổ đăng ký codec Python
Constructor cho một phiên bản codecs
6
Tất cả các bộ giải mã gia tăng phải cung cấp giao diện hàm tạo này. Họ có thể tự do thêm các đối số từ khóa bổ sung, nhưng chỉ những đối số được xác định ở đây mới được sử dụng bởi cơ quan đăng ký codec Python
_______36 có thể triển khai các sơ đồ xử lý lỗi khác nhau bằng cách cung cấp đối số từ khóa lỗi. Xem Trình xử lý lỗi để biết các giá trị có thể.
Đối số lỗi sẽ được gán cho một thuộc tính cùng tên. Việc gán cho thuộc tính này giúp có thể chuyển đổi giữa các chiến lược xử lý lỗi khác nhau trong suốt thời gian tồn tại của đối tượng codecs
6
Giải mã đối tượng [tính đến trạng thái hiện tại của bộ giải mã] và trả về đối tượng được giải mã kết quả. Nếu đây là lần gọi cuối cùng tới codecs
4 thì cuối cùng phải là true [mặc định là false]. Nếu final là true thì bộ giải mã phải giải mã hoàn toàn đầu vào và phải xóa tất cả các bộ đệm. Nếu điều này là không thể [e. g. do chuỗi byte không đầy đủ ở cuối đầu vào], nó phải bắt đầu xử lý lỗi giống như trong trường hợp không trạng thái [có thể phát sinh ngoại lệ]
Đặt lại bộ giải mã về trạng thái ban đầu
getstate[] ¶Trả về trạng thái hiện tại của bộ giải mã. Đây phải là một bộ có hai mục, mục đầu tiên phải là bộ đệm chứa đầu vào vẫn chưa được giải mã. Thứ hai phải là một số nguyên và có thể là thông tin trạng thái bổ sung. [Việc triển khai phải đảm bảo rằng codecs
40 là thông tin trạng thái bổ sung phổ biến nhất. ] Nếu thông tin trạng thái bổ sung này là codecs
40, thì phải có thể đặt bộ giải mã thành trạng thái không có đầu vào được đệm và codecs
40 làm thông tin trạng thái bổ sung, để việc cung cấp đầu vào được đệm trước đó cho bộ giải mã đưa đầu vào trở về trạng thái trước đó mà không tạo ra . [Thông tin trạng thái bổ sung phức tạp hơn số nguyên có thể được chuyển đổi thành số nguyên bằng cách sắp xếp/chọn lọc thông tin và mã hóa các byte của chuỗi kết quả thành số nguyên. ]
Đặt trạng thái của bộ giải mã thành trạng thái. trạng thái phải là trạng thái bộ giải mã được trả về bởi codecs
41
Mã hóa và giải mã luồng¶
Các lớp codecs
7 và codecs
8 cung cấp các giao diện làm việc chung có thể được sử dụng để triển khai các mô-đun con mã hóa mới rất dễ dàng. Xem codecs
53 để biết ví dụ về cách thực hiện việc này
Đối tượng StreamWriter¶
Lớp codecs
7 là một lớp con của codecs
19 và định nghĩa các phương thức sau đây mà mọi người viết luồng phải xác định để tương thích với sổ đăng ký codec Python
Trình xây dựng cho phiên bản codecs
7
Tất cả những người viết luồng phải cung cấp giao diện hàm tạo này. Họ có thể tự do thêm các đối số từ khóa bổ sung, nhưng chỉ những đối số được xác định ở đây mới được sử dụng bởi cơ quan đăng ký codec Python
Đối số luồng phải là một đối tượng giống như tệp mở để ghi văn bản hoặc dữ liệu nhị phân, phù hợp với codec cụ thể
_______37 có thể triển khai các sơ đồ xử lý lỗi khác nhau bằng cách cung cấp đối số từ khóa lỗi. Xem Trình xử lý lỗi để biết các trình xử lý lỗi tiêu chuẩn mà codec luồng bên dưới có thể hỗ trợ.
Đối số lỗi sẽ được gán cho một thuộc tính cùng tên. Việc gán cho thuộc tính này giúp có thể chuyển đổi giữa các chiến lược xử lý lỗi khác nhau trong suốt thời gian tồn tại của đối tượng codecs
7
Ghi nội dung của đối tượng được mã hóa vào luồng
writelines[list] ¶Ghi chuỗi có thể lặp lại được nối vào luồng [có thể bằng cách sử dụng lại phương thức codecs
59]. Các lần lặp vô hạn hoặc rất lớn không được hỗ trợ. Codec byte-to-byte tiêu chuẩn không hỗ trợ phương pháp này
Đặt lại bộ đệm codec được sử dụng để giữ trạng thái bên trong
Gọi phương thức này sẽ đảm bảo rằng dữ liệu trên đầu ra được đặt ở trạng thái sạch cho phép nối thêm dữ liệu mới mà không phải quét lại toàn bộ luồng để khôi phục trạng thái
Ngoài các phương thức trên, codecs
7 cũng phải kế thừa tất cả các phương thức và thuộc tính khác từ luồng bên dưới
Đối tượng StreamReader¶
Lớp codecs
8 là lớp con của codecs
19 và định nghĩa các phương thức sau đây mà mọi trình đọc luồng phải xác định để tương thích với sổ đăng ký codec Python
Trình xây dựng cho phiên bản codecs
8
Tất cả các trình đọc luồng phải cung cấp giao diện hàm tạo này. Họ có thể tự do thêm các đối số từ khóa bổ sung, nhưng chỉ những đối số được xác định ở đây mới được sử dụng bởi cơ quan đăng ký codec Python
Đối số luồng phải là một đối tượng giống như tệp mở để đọc văn bản hoặc dữ liệu nhị phân, phù hợp với codec cụ thể
_codecs
8 có thể triển khai các sơ đồ xử lý lỗi khác nhau bằng cách cung cấp đối số từ khóa lỗi. Xem Trình xử lý lỗi để biết các trình xử lý lỗi tiêu chuẩn mà codec luồng bên dưới có thể hỗ trợ.
Đối số lỗi sẽ được gán cho một thuộc tính cùng tên. Việc gán cho thuộc tính này giúp có thể chuyển đổi giữa các chiến lược xử lý lỗi khác nhau trong suốt thời gian tồn tại của đối tượng codecs
8
Tập hợp các giá trị được phép cho đối số lỗi có thể được mở rộng bằng codecs
66
Giải mã dữ liệu từ luồng và trả về đối tượng kết quả
Đối số ký tự cho biết số lượng điểm mã hoặc byte được giải mã sẽ trả về. Phương thức codecs
67 sẽ không bao giờ trả về nhiều dữ liệu hơn yêu cầu, nhưng nó có thể trả về ít hơn nếu không có đủ dữ liệu
Đối số kích thước cho biết số lượng tối đa gần đúng của byte được mã hóa hoặc điểm mã cần đọc để giải mã. Bộ giải mã có thể sửa đổi cài đặt này khi thích hợp. Giá trị mặc định -1 cho biết đọc và giải mã càng nhiều càng tốt. Tham số này nhằm tránh phải giải mã các tệp lớn trong một bước
Cờ dòng đầu tiên chỉ ra rằng chỉ cần trả về dòng đầu tiên là đủ, nếu có lỗi giải mã ở các dòng sau
Phương thức nên sử dụng chiến lược đọc tham lam, nghĩa là nó sẽ đọc càng nhiều dữ liệu được phép trong định nghĩa của mã hóa và kích thước đã cho, e. g. nếu phần cuối mã hóa tùy chọn hoặc điểm đánh dấu trạng thái có sẵn trên luồng, bạn cũng nên đọc những phần cuối này
đường đọc[kích thước=Không có, keepends=True]¶Đọc một dòng từ luồng đầu vào và trả về dữ liệu đã giải mã
kích thước, nếu được cung cấp, được chuyển dưới dạng đối số kích thước cho phương thức codecs
67 của luồng
Nếu keepends là false, các kết thúc dòng sẽ bị xóa khỏi các dòng được trả về
đường đọc[sizehint=Không có, keepends=True]¶Đọc tất cả các dòng có sẵn trên luồng đầu vào và trả về chúng dưới dạng danh sách các dòng
Kết thúc dòng được triển khai bằng phương pháp codecs
4 của codec và được bao gồm trong các mục nhập danh sách nếu keepends là đúng
sizehint, nếu được cung cấp, được truyền dưới dạng đối số kích thước cho phương thức codecs
67 của luồng
Đặt lại bộ đệm codec được sử dụng để giữ trạng thái bên trong
Lưu ý rằng không nên thay đổi vị trí luồng. Phương pháp này chủ yếu nhằm mục đích có thể phục hồi từ các lỗi giải mã
Ngoài các phương thức trên, codecs
8 cũng phải kế thừa tất cả các phương thức và thuộc tính khác từ luồng bên dưới
Đối tượng StreamReaderWriter¶
CodecInfo
22 là một lớp tiện lợi cho phép gói các luồng hoạt động ở cả chế độ đọc và ghi
Thiết kế sao cho người ta có thể sử dụng các hàm xuất xưởng được trả về bởi hàm codecs
9 để xây dựng thể hiện
Tạo một phiên bản CodecInfo
22. luồng phải là một đối tượng giống như tệp. Reader và Writer phải là các hàm hoặc lớp xuất xưởng cung cấp giao diện codecs
8 và codecs
7. Xử lý lỗi được thực hiện theo cách tương tự như được xác định cho trình đọc và ghi luồng
Các thể hiện của CodecInfo
22 định nghĩa các giao diện kết hợp của các lớp codecs
8 và codecs
7. Chúng kế thừa tất cả các phương thức và thuộc tính khác từ luồng bên dưới
Đối tượng StreamRecoder¶
codecs
12 dịch dữ liệu từ mã hóa này sang mã hóa khác, điều này đôi khi hữu ích khi xử lý các môi trường mã hóa khác nhau
Thiết kế sao cho người ta có thể sử dụng các hàm xuất xưởng được trả về bởi hàm codecs
9 để xây dựng thể hiện
Tạo một phiên bản codecs
12 thực hiện chuyển đổi hai chiều. mã hóa và giải mã hoạt động trên giao diện người dùng — dữ liệu hiển thị đối với lệnh gọi mã codecs
67 và codecs
59, trong khi Trình đọc và Trình ghi hoạt động trên phần phụ trợ — dữ liệu trong luồng
Bạn có thể sử dụng các đối tượng này để thực hiện chuyển mã trong suốt, e. g. , từ Latin-1 đến UTF-8 và ngược lại
Đối số luồng phải là một đối tượng giống như tệp
Các đối số mã hóa và giải mã phải tuân thủ giao diện codecs
19. Reader và Writer phải là các hàm hoặc lớp xuất xưởng cung cấp các đối tượng của giao diện codecs
8 và codecs
7 tương ứng
Xử lý lỗi được thực hiện theo cách tương tự như được xác định cho trình đọc và ghi luồng
Các thể hiện của codecs
12 định nghĩa các giao diện kết hợp của các lớp codecs
8 và codecs
7. Chúng kế thừa tất cả các phương thức và thuộc tính khác từ luồng bên dưới
Mã hóa và Unicode¶
Chuỗi được lưu trữ nội bộ dưới dạng chuỗi điểm mã trong phạm vi codecs
91–codecs
92. [Xem PEP 393 để biết thêm chi tiết về việc thực hiện. ] Khi một đối tượng chuỗi được sử dụng bên ngoài CPU và bộ nhớ, tuổi thọ và cách các mảng này được lưu trữ dưới dạng byte trở thành một vấn đề. Cũng như các codec khác, việc tuần tự hóa một chuỗi thành một chuỗi byte được gọi là mã hóa và tạo lại chuỗi từ chuỗi byte được gọi là giải mã. Có nhiều loại codec tuần tự hóa văn bản khác nhau, được gọi chung là mã hóa văn bản .
Mã hóa văn bản đơn giản nhất [được gọi là codecs
93 hoặc codecs
94] ánh xạ các điểm mã 0–255 thành các byte codecs
95–codecs
96, có nghĩa là không thể mã hóa một đối tượng chuỗi chứa các điểm mã trên codecs
97 bằng codec này. Làm như vậy sẽ tạo ra một CodecInfo
2 giống như sau [mặc dù chi tiết của thông báo lỗi có thể khác]. codecs
99
Có một nhóm mã hóa khác [được gọi là mã hóa charmap] chọn một tập hợp con khác của tất cả các điểm mã Unicode và cách các điểm mã này được ánh xạ tới các byte codecs
95–codecs
96. Để xem làm thế nào điều này được thực hiện chỉ cần mở e. g. CodecInfo
102 [là mã hóa được sử dụng chủ yếu trên Windows]. Có một hằng chuỗi với 256 ký tự cho bạn biết ký tự nào được ánh xạ tới giá trị byte nào
Tất cả các mã hóa này chỉ có thể mã hóa 256 trong số 1114112 điểm mã được xác định bằng Unicode. Một cách đơn giản và dễ hiểu để có thể lưu trữ từng điểm mã Unicode là lưu trữ từng điểm mã dưới dạng bốn byte liên tiếp. Có hai khả năng. lưu trữ các byte theo thứ tự endian lớn hoặc endian nhỏ. Hai bảng mã này lần lượt có tên là CodecInfo
103 và CodecInfo
104. Bất lợi của họ là nếu e. g. bạn sử dụng CodecInfo
103 trên một máy endian nhỏ, bạn sẽ luôn phải trao đổi byte khi mã hóa và giải mã. CodecInfo
106 tránh vấn đề này. byte sẽ luôn ở dạng endian tự nhiên. Khi các byte này được đọc bởi CPU có độ bền khác nhau, thì các byte phải được hoán đổi mặc dù. Để có thể phát hiện tuổi thọ của chuỗi byte CodecInfo
107 hoặc CodecInfo
106, có cái gọi là BOM [“Dấu thứ tự byte”]. Đây là ký tự Unicode CodecInfo
109. Ký tự này có thể được thêm vào trước mỗi chuỗi byte CodecInfo
107 hoặc CodecInfo
106. Phiên bản hoán đổi byte của ký tự này [CodecInfo
112] là một ký tự không hợp lệ có thể không xuất hiện trong văn bản Unicode. Vì vậy, khi ký tự đầu tiên trong chuỗi byte CodecInfo
107 hoặc CodecInfo
106 có vẻ là một CodecInfo
115 thì các byte phải được hoán đổi khi giải mã. Thật không may, ký tự CodecInfo
109 có mục đích thứ hai là một CodecInfo
117. một ký tự không có chiều rộng và không cho phép tách một từ. nó có thể. g. được sử dụng để đưa ra gợi ý cho một thuật toán chữ ghép. Với Unicode 4. 0 sử dụng CodecInfo
109 làm CodecInfo
117 đã không còn được dùng nữa [với CodecInfo
120 [CodecInfo
121] đảm nhận vai trò này]. Tuy nhiên, phần mềm Unicode vẫn phải có khả năng xử lý CodecInfo
109 ở cả hai vai trò. với tư cách là một BOM, nó là một thiết bị để xác định bố cục lưu trữ của các byte được mã hóa và biến mất sau khi chuỗi byte đã được giải mã thành một chuỗi;
Có một mã hóa khác có thể mã hóa đầy đủ các ký tự Unicode. UTF-8. UTF-8 là mã hóa 8 bit, có nghĩa là không có vấn đề gì với thứ tự byte trong UTF-8. Mỗi byte trong chuỗi byte UTF-8 bao gồm hai phần. bit đánh dấu [bit quan trọng nhất] và bit tải trọng. Các bit đánh dấu là một chuỗi từ 0 đến 4 bit CodecInfo
124 theo sau là bit codecs
40. Các ký tự Unicode được mã hóa như thế này [với x là các bit tải trọng, khi được nối sẽ tạo ra ký tự Unicode]
Phạm vi
mã hóa
________ 2126 … ________ 2127
0xxxxxxxx
CodecInfo
128 … CodecInfo
129
110xxxxxx 10xxxxxx
CodecInfo
130 … CodecInfo
131
1110xxxxx 10xxxxxx 10xxxxxx
CodecInfo
132 … CodecInfo
133
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
Bit ít quan trọng nhất của ký tự Unicode là bit x ngoài cùng bên phải
Vì UTF-8 là mã hóa 8 bit nên không cần BOM và bất kỳ ký tự CodecInfo
109 nào trong chuỗi được giải mã [ngay cả khi đó là ký tự đầu tiên] đều được coi là CodecInfo
117
Không có thông tin bên ngoài, không thể xác định một cách đáng tin cậy mã hóa nào đã được sử dụng để mã hóa một chuỗi. Mỗi mã hóa charmap có thể giải mã bất kỳ chuỗi byte ngẫu nhiên nào. Tuy nhiên, điều đó là không thể với UTF-8, vì các chuỗi byte UTF-8 có cấu trúc không cho phép các chuỗi byte tùy ý. Để tăng độ tin cậy mà mã hóa UTF-8 có thể được phát hiện, Microsoft đã phát minh ra một biến thể của UTF-8 [mà Python gọi là CodecInfo
136] cho chương trình Notepad của mình. Trước khi bất kỳ ký tự Unicode nào được ghi vào tệp, BOM được mã hóa UTF-8 [trông giống như chuỗi byte này. CodecInfo
137, CodecInfo
138, CodecInfo
139] được viết. Vì không thể xảy ra trường hợp bất kỳ tệp mã hóa charmap nào cũng bắt đầu bằng các giá trị byte này [điều này sẽ. g. Bản đồ đến
CHỮ NHỎ LATIN I VỚI DIAERESIS
DẤU GIÁC ĐÔI GÓC CHỈ PHẢI
DẤU CÂU HỎI ĐẢO NGƯỢC
trong iso-8859-1], điều này làm tăng khả năng mã hóa CodecInfo
140 có thể được đoán chính xác từ chuỗi byte. Vì vậy, ở đây, BOM không được sử dụng để có thể xác định thứ tự byte được sử dụng để tạo chuỗi byte, mà là một chữ ký giúp đoán mã hóa. Khi mã hóa, codec utf-8-sig sẽ ghi CodecInfo
137, CodecInfo
138, CodecInfo
139 dưới dạng ba byte đầu tiên vào tệp. Khi giải mã CodecInfo
140 sẽ bỏ qua ba byte đó nếu chúng xuất hiện dưới dạng ba byte đầu tiên trong tệp. Trong UTF-8, việc sử dụng BOM không được khuyến khích và thường nên tránh
Mã hóa tiêu chuẩn¶
Python đi kèm với một số codec tích hợp sẵn, được triển khai dưới dạng hàm C hoặc với từ điển dưới dạng bảng ánh xạ. Bảng sau đây liệt kê các codec theo tên, cùng với một số bí danh phổ biến và các ngôn ngữ mà mã hóa có thể được sử dụng. Cả danh sách bí danh lẫn danh sách ngôn ngữ đều không đầy đủ. Lưu ý rằng các lựa chọn thay thế chính tả chỉ khác nhau về chữ hoa chữ thường hoặc sử dụng dấu gạch nối thay vì dấu gạch dưới cũng là bí danh hợp lệ; . g. CodecInfo
145 là bí danh hợp lệ cho codec CodecInfo
146
Chi tiết triển khai CPython. Một số mã hóa phổ biến có thể bỏ qua bộ máy tra cứu codec để cải thiện hiệu suất. Các cơ hội tối ưu hóa này chỉ được CPython nhận ra đối với một bộ bí danh [không phân biệt chữ hoa chữ thường] giới hạn. utf-8, utf8, latin-1, latin1, iso-8859-1, iso8859-1, mbcs [chỉ dành cho Windows], ascii, us-ascii, utf-16, utf16, utf-32, utf32 và sử dụng tương tự . Sử dụng bí danh thay thế cho các mã hóa này có thể dẫn đến thực thi chậm hơn
Đã thay đổi trong phiên bản 3. 6. Cơ hội tối ưu hóa được công nhận cho chúng tôi-ascii.
Nhiều bộ ký tự hỗ trợ cùng ngôn ngữ. Chúng khác nhau về các ký tự riêng lẻ [e. g. EURO SIGN có được hỗ trợ hay không] và trong việc gán các ký tự cho các vị trí mã. Đối với các ngôn ngữ châu Âu nói riêng, các biến thể sau đây thường tồn tại
một bộ mã ISO 8859
một trang mã Microsoft Windows, thường bắt nguồn từ bộ mã 8859, nhưng thay thế các ký tự điều khiển bằng các ký tự đồ họa bổ sung
một trang mã EBCDIC của IBM
một trang mã PC của IBM, tương thích với ASCII
giải mã
bí danh
ngôn ngữ
ascii
646, us-ascii
Tiếng Anh
5 lớn
big5-tw, csbig5
Truyền thống Trung Quốc
big5hkscs
big5-hkscs, hkscs
Truyền thống Trung Quốc
cp037
IBM037, IBM039
Tiếng Anh
cp273
273, IBM273, csIBM273
tiếng Đức
Mới trong phiên bản 3. 4
cp424
EBCDIC-CP-HE, IBM424
tiếng Do Thái
cp437
437, IBM437
Tiếng Anh
cp500
EBCDIC-CP-BE, EBCDIC-CP-CH, IBM500
Tây Âu
cp720
tiếng Ả Rập
cp737
người Hy Lạp
cp775
IBM775
ngôn ngữ Baltic
cp850
850, IBM850
Tây Âu
cp852
852, IBM852
Trung và Đông Âu
cp855
855, IBM855
Tiếng Bulgary, Tiếng Byelorussia, Tiếng Macedonia, Tiếng Nga, Tiếng Serbia
cp856
tiếng Do Thái
cp857
857, IBM857
Thổ Nhĩ Kỳ
cp858
858, IBM858
Tây Âu
cp860
860, IBM860
tiếng Bồ Đào Nha
cp861
861, CP-IS, IBM861
tiếng Iceland
cp862
862, IBM862
tiếng Do Thái
cp863
863, IBM863
người Canada
cp864
IBM864
tiếng Ả Rập
cp865
865, IBM865
Đan Mạch, Na Uy
cp866
866, IBM866
tiếng Nga
cp869
869, CP-GR, IBM869
người Hy Lạp
cp874
tiếng Thái
cp875
người Hy Lạp
cp932
932, ms932, mskanji, ms-kanji
tiếng Nhật
cp949
949, ms949, uhc
Hàn Quốc
cp950
950, ms950
Truyền thống Trung Quốc
cp1006
tiếng Urdu
cp1026
ibm1026
Thổ Nhĩ Kỳ
cp1125
1125, ibm1125, cp866u, ruscii
tiếng Ukraina
Mới trong phiên bản 3. 4
cp1140
ibm1140
Tây Âu
cp1250
cửa sổ-1250
Trung và Đông Âu
cp1251
cửa sổ-1251
Tiếng Bulgary, Tiếng Byelorussia, Tiếng Macedonia, Tiếng Nga, Tiếng Serbia
cp1252
cửa sổ-1252
Tây Âu
cp1253
cửa sổ-1253
người Hy Lạp
cp1254
cửa sổ-1254
Thổ Nhĩ Kỳ
cp1255
cửa sổ-1255
tiếng Do Thái
cp1256
cửa sổ-1256
tiếng Ả Rập
cp1257
cửa sổ-1257
ngôn ngữ Baltic
cp1258
cửa sổ-1258
Tiếng Việt
euc_jp
eucjp, ujis, u-jis
tiếng Nhật
euc_jis_2004
jisx0213, eucjis2004
tiếng Nhật
euc_jisx0213
eucjisx0213
tiếng Nhật
euc_kr
euckr, hàn quốc, ksc5601, ks_c-5601, ks_c-5601-1987, ksx1001, ks_x-1001
Hàn Quốc
gb2312
tiếng trung, csiso58gb231280, euc-cn, euccn, eucgb2312-cn, gb2312-1980, gb2312-80, iso-ir-58
Tiếng Trung giản thể
gbk
936, cp936, ms936
tiếng Trung thống nhất
gb18030
gb18030-2000
tiếng Trung thống nhất
hz
hzgb, hz-gb, hz-gb-2312
Tiếng Trung giản thể
iso2022_jp
csiso2022jp, iso2022jp, iso-2022-jp
tiếng Nhật
iso2022_jp_1
iso2022jp-1, iso-2022-jp-1
tiếng Nhật
iso2022_jp_2
iso2022jp-2, iso-2022-jp-2
Nhật Bản, Hàn Quốc, Trung Quốc giản thể, Tây Âu, Hy Lạp
iso2022_jp_2004
iso2022jp-2004, iso-2022-jp-2004
tiếng Nhật
iso2022_jp_3
iso2022jp-3, iso-2022-jp-3
tiếng Nhật
iso2022_jp_ext
iso2022jp-ext, iso-2022-jp-ext
tiếng Nhật
iso2022_kr
csiso2022kr, iso2022kr, iso-2022-kr
Hàn Quốc
tiếng Latinh_1
iso-8859-1, iso8859-1, 8859, cp819, latin, latin1, L1
Tây Âu
iso8859_2
iso-8859-2, latin2, L2
Trung và Đông Âu
iso8859_3
iso-8859-3, latin3, L3
Quốc tế ngữ, tiếng Malta
iso8859_4
iso-8859-4, latin4, L4
ngôn ngữ Baltic
iso8859_5
iso-8859-5, chữ cái
Tiếng Bulgary, Tiếng Byelorussia, Tiếng Macedonia, Tiếng Nga, Tiếng Serbia
iso8859_6
iso-8859-6, tiếng Ả Rập
tiếng Ả Rập
iso8859_7
iso-8859-7, tiếng Hy Lạp, tiếng Hy Lạp8
người Hy Lạp
iso8859_8
iso-8859-8, tiếng Do Thái
tiếng Do Thái
iso8859_9
iso-8859-9, latin5, L5
Thổ Nhĩ Kỳ
iso8859_10
iso-8859-10, latin6, L6
ngôn ngữ Bắc Âu
iso8859_11
iso-8859-11, tiếng Thái
ngôn ngữ Thái Lan
iso8859_13
iso-8859-13, latin7, L7
ngôn ngữ Baltic
iso8859_14
iso-8859-14, latin8, L8
ngôn ngữ Celtic
iso8859_15
iso-8859-15, latin9, L9
Tây Âu
iso8859_16
iso-8859-16, latin10, L10
Đông Nam Châu Âu
vui vẻ
cp1361, ms1361
Hàn Quốc
koi8_r
tiếng Nga
koi8_t
tajik
Mới trong phiên bản 3. 5
koi8_u
tiếng Ukraina
kz1048
kz_1048, strk1048_2002, rk1048
tiếng Kazakh
Mới trong phiên bản 3. 5
mac_cyrillic
maccyrillic
Tiếng Bulgary, Tiếng Byelorussia, Tiếng Macedonia, Tiếng Nga, Tiếng Serbia
mac_greek
macgreek
người Hy Lạp
mac_iceland
maciceland
tiếng Iceland
mac_latin2
mactin2, maccentraleurope, mac_centeuro
Trung và Đông Âu
mac_roman
macroman, macintosh
Tây Âu
mac_thổ Nhĩ Kỳ
người macturk
Thổ Nhĩ Kỳ
ptcp154
csptcp154, pt154, cp154, cyrillic-asian
tiếng Kazakh
shift_jis
csshiftjis, shiftjis, sjis, s_jis
tiếng Nhật
shift_jis_2004
shiftjis2004, sjis_2004, sjis2004
tiếng Nhật
shift_jisx0213
shiftjisx0213, sjisx0213, s_jisx0213
tiếng Nhật
utf_32
U32, utf32
tất cả các ngôn ngữ
utf_32_be
UTF-32BE
tất cả các ngôn ngữ
utf_32_le
UTF-32LE
tất cả các ngôn ngữ
utf_16
u16, u16
tất cả các ngôn ngữ
utf_16_be
UTF-16BE
tất cả các ngôn ngữ
utf_16_le
UTF-16LE
tất cả các ngôn ngữ
utf_7
U7, unicode-1-1-utf-7
tất cả các ngôn ngữ
utf_8
U8, UTF, utf8, cp65001
tất cả các ngôn ngữ
utf_8_sig
tất cả các ngôn ngữ
Đã thay đổi trong phiên bản 3. 4. Bộ mã hóa utf-16* và utf-32* không còn cho phép mã hóa các điểm mã thay thế [codecs
27–codecs
28]. Bộ giải mã utf-32* không còn giải mã các chuỗi byte tương ứng với các điểm mã thay thế.
Đã thay đổi trong phiên bản 3. 8. ______2149 hiện là bí danh của CodecInfo
150.
Mã hóa cụ thể của Python¶
Một số codec được xác định trước dành riêng cho Python, vì vậy tên codec của chúng không có ý nghĩa gì bên ngoài Python. Chúng được liệt kê trong các bảng bên dưới dựa trên các loại đầu vào và đầu ra dự kiến [lưu ý rằng mặc dù mã hóa văn bản là trường hợp sử dụng phổ biến nhất cho codec, cơ sở hạ tầng codec cơ bản hỗ trợ biến đổi dữ liệu tùy ý thay vì chỉ mã hóa văn bản]. Đối với codec bất đối xứng, ý nghĩa đã nêu mô tả hướng mã hóa
Mã hóa văn bản¶
Các codec sau cung cấp khả năng mã hóa codecs
15 sang CodecInfo
1 và đối tượng giống như byte giải mã codecs
15, tương tự như mã hóa văn bản Unicode.
giải mã
bí danh
Nghĩa
idna
Triển khai RFC 3490, xem thêm CodecInfo
154. Chỉ hỗ trợ CodecInfo
155
mbc
ansi, dbcs
chỉ cửa sổ. Mã hóa toán hạng theo bảng mã ANSI [CP_ACP]
oem
chỉ cửa sổ. Mã hóa toán hạng theo bảng mã OEM [CP_OEMCP]
Mới trong phiên bản 3. 6
lòng bàn tay
Mã hóa của PalmOS 3. 5
mã trừng phạt
Triển khai RFC 3492. Codec trạng thái không được hỗ trợ
raw_unicode_escape
Mã hóa Latin-1 với CodecInfo
156 và CodecInfo
157 cho các điểm mã khác. Dấu gạch chéo ngược hiện tại không được thoát theo bất kỳ cách nào. Nó được sử dụng trong giao thức dưa chua Python
chưa xác định
Đưa ra một ngoại lệ cho tất cả các chuyển đổi, ngay cả các chuỗi trống. Trình xử lý lỗi bị bỏ qua
unicode_escape
Mã hóa phù hợp với nội dung của một chữ Unicode trong mã nguồn Python được mã hóa ASCII, ngoại trừ các dấu ngoặc kép không được thoát. Giải mã từ mã nguồn Latin-1. Coi chừng mã nguồn Python thực sự sử dụng UTF-8 theo mặc định
Đã thay đổi trong phiên bản 3. 8. Bộ giải mã “unicode_internal” đã bị xóa.
Biến đổi nhị phân¶
Các codec sau cung cấp phép biến đổi nhị phân. đối tượng dạng byte ánh xạ tới CodecInfo
1. Chúng không được hỗ trợ bởi CodecInfo
159 [chỉ tạo đầu ra codecs
15].
giải mã
bí danh
Nghĩa
Bộ mã hóa/giải mã
cơ sở64_codec 1
cơ sở64, cơ sở64
Chuyển đổi toán hạng thành MIME base64 nhiều dòng [kết quả luôn bao gồm một dấu CodecInfo
25]
Đã thay đổi trong phiên bản 3. 4. chấp nhận bất kỳ đối tượng giống byte nào làm đầu vào để mã hóa và giải mã
CodecInfo
162 / CodecInfo
163
bz2_codec
bz2
Nén toán hạng bằng bz2
CodecInfo
164 / CodecInfo
165
hex_codec
lục giác
Chuyển đổi toán hạng thành biểu diễn thập lục phân, với hai chữ số trên mỗi byte
CodecInfo
166 / CodecInfo
167
quopri_codec
quopri, quoteableprintable, quote_printable
Chuyển toán hạng sang trích dẫn MIME có thể in được
CodecInfo
168 với CodecInfo
169 / CodecInfo
170
uu_codec
ưu
Chuyển đổi toán hạng bằng uuencode
________ 2171 / ________ 2172
zlib_codec
zip, zlib
Nén toán hạng bằng gzip
________ 2173 / ________ 2174
1Ngoài đối tượng giống như byte , CodecInfo
175 cũng chấp nhận các phiên bản chỉ có mã ASCII của codecs
15 để giải mã
Mới trong phiên bản 3. 2. Khôi phục các phép biến đổi nhị phân.
Đã thay đổi trong phiên bản 3. 4. Khôi phục bí danh cho phép biến đổi nhị phân.
Chuyển đổi văn bản¶
Codec sau đây cung cấp một chuyển đổi văn bản. ánh xạ codecs
15 đến codecs
15. Nó không được hỗ trợ bởi CodecInfo
179 [chỉ tạo ra đầu ra CodecInfo
1]
giải mã
bí danh
Nghĩa
thối_13
thối13
Trả về mã hóa Caesar-cypher của toán hạng
Mới trong phiên bản 3. 2. Khôi phục biến đổi văn bản codecs
18.
Đã thay đổi trong phiên bản 3. 4. Khôi phục bí danh CodecInfo
182.
CodecInfo
154 — Tên miền quốc tế hóa trong các ứng dụng¶
Mô-đun này triển khai RFC 3490 [Tên miền quốc tế hóa trong ứng dụng] và RFC 3492 [Nameprep. Cấu hình Stringprep cho Tên miền quốc tế hóa [IDN]]. Nó được xây dựng dựa trên mã hóa CodecInfo
184 và CodecInfo
185
Nếu bạn cần tiêu chuẩn IDNA 2008 từ RFC 5891 và RFC 5895, hãy sử dụng mô-đun idna của bên thứ ba
Các RFC này cùng nhau xác định một giao thức để hỗ trợ các ký tự không phải ASCII trong tên miền. Một tên miền chứa các ký tự không phải ASCII [chẳng hạn như CodecInfo
186] được chuyển đổi thành mã hóa tương thích với ASCII [ACE, chẳng hạn như CodecInfo
187]. Sau đó, dạng ACE của tên miền được sử dụng ở tất cả những nơi mà giao thức không cho phép các ký tự tùy ý, chẳng hạn như truy vấn DNS, trường Máy chủ HTTP, v.v. Việc chuyển đổi này được thực hiện trong ứng dụng; . Ứng dụng phải chuyển đổi rõ ràng các nhãn miền Unicode thành IDNA trên dây và chuyển đổi ngược lại các nhãn ACE thành Unicode trước khi hiển thị chúng cho người dùng
Python hỗ trợ chuyển đổi này theo nhiều cách. bộ giải mã CodecInfo
188 thực hiện chuyển đổi giữa Unicode và ACE, tách chuỗi đầu vào thành các nhãn dựa trên các ký tự phân tách được xác định trong phần 3. 1 của RFC 3490 và chuyển đổi từng nhãn thành ACE theo yêu cầu và ngược lại, tách chuỗi byte đầu vào thành các nhãn dựa trên dấu tách CodecInfo
189 và chuyển đổi bất kỳ nhãn ACE nào được tìm thấy thành unicode. Hơn nữa, mô-đun CodecInfo
190 chuyển đổi tên máy chủ Unicode sang ACE một cách trong suốt, do đó các ứng dụng không cần quan tâm đến việc tự chuyển đổi tên máy chủ khi chúng chuyển chúng sang mô-đun ổ cắm. Ngoài ra, các mô-đun có tên máy chủ làm tham số chức năng, chẳng hạn như CodecInfo
191 và CodecInfo
192, chấp nhận tên máy chủ Unicode [CodecInfo
191 sau đó cũng gửi tên máy chủ IDNA trong trường Máy chủ nếu nó hoàn toàn gửi trường đó]
Khi nhận tên máy chủ từ dây [chẳng hạn như trong tra cứu tên đảo ngược], không có chuyển đổi tự động sang Unicode nào được thực hiện. các ứng dụng muốn hiển thị các tên máy chủ như vậy cho người dùng nên giải mã chúng thành Unicode
Mô-đun CodecInfo
154 cũng thực hiện quy trình nameprep, thực hiện một số chuẩn hóa nhất định trên tên máy chủ, để đạt được sự phân biệt chữ hoa chữ thường của tên miền quốc tế và để thống nhất các ký tự tương tự. Các chức năng nameprep có thể được sử dụng trực tiếp nếu muốn
Trả lại phiên bản được đặt tên trước của nhãn. Việc triển khai hiện giả định các chuỗi truy vấn, vì vậy, CodecInfo
195 là đúng
Chuyển đổi nhãn thành ASCII, như được chỉ định trong RFC 3490. CodecInfo
196 được coi là sai
Chuyển đổi nhãn thành Unicode, như được chỉ định trong RFC 3490
CodecInfo
197 — Windows ANSI codepage¶
Mô-đun này triển khai bảng mã ANSI [CP_ACP]
Tính khả dụng . các cửa sổ.
Đã thay đổi trong phiên bản 3. 3. Hỗ trợ mọi trình xử lý lỗi.
Đã thay đổi trong phiên bản 3. 2. Trước 3. 2, đối số lỗi đã bị bỏ qua; .
CodecInfo
200 — Codec UTF-8 có chữ ký BOM¶
Mô-đun này triển khai một biến thể của codec UTF-8. Khi mã hóa, BOM được mã hóa UTF-8 sẽ được thêm vào trước các byte được mã hóa UTF-8. Đối với bộ mã hóa trạng thái, việc này chỉ được thực hiện một lần [trong lần ghi đầu tiên vào luồng byte]. Khi giải mã, BOM được mã hóa UTF-8 tùy chọn ở đầu dữ liệu sẽ bị bỏ qua