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）

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\u56fd

utf8：\xe4\xb8\xad\xe5\x9b\xbd

gbk：\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’ # => unicode

print(type(s)) # => str

s2 = s.encode(‘utf8’) # => utf8

print(type(s2)) # => byte

s3 = s.encode(‘gbk’) # => gbk

print(type(s3)) # => byte

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utf8

print(type(b)) # => byte

b1 = b.decode(‘utf8’) # => unicode

print(type(b1)) # => str

URL编解码

1、解析URL字符串

from urllib import parse

url = ‘https://www.baidu.com/s?wd=python3 url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 base64

src = ‘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 base64

enc = 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 base64

src = ‘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 base64

from Crypto.Cipher import AES

def ensure_to_16(value):

​ pad = 16 - len(value) % 16

​ return value + b’\x00’ * pad if pad != 16 else value

key = b’123456’

iv = b’ABCD’

src = ‘中国’.encode(‘utf8’)

# AES ECB encrypt

aes = 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 arg

aes = 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==\n’

src: b’\xe4\xb8\xad\xe5\x9b\xbd’

enc: b’4\xd7\xa42U:Yz\xc7>\xba\\xb2\x96\x81\n’

base_str: b’NNekMlU6WXrHPrpcspaBCg==\n’

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 base64

from Crypto.Cipher import AES

def ensure_to_16(value):

​ pad = 16 - len(value) % 16

​ return value + b’\x00’ * pad if pad != 16 else value

key = b’123456’

iv = b’ABCD’

b64_str = b’NNekMlU6WXrHPrpcspaBCg==\n’

# AES CBC decrypt, need iv arg

aes = 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==\n’

enc: b’4\xd7\xa42U:Yz\xc7>\xba\\xb2\x96\x81\n’

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