テキストデータを処理していると、文字化けの問題に遭遇することがよくあります。文字化けとは、文字コードの変換処理によって文字が異常に表示されることを指します。Python には、文字化けの問題を解決するために、文字列をエンコードおよびデコードするためのメソッドがいくつか用意されています。この記事では、Python を使用して文字列のエンコードとデコードを行う方法と、対応するソース コードの例を紹介します。
- 文字列エンコーディング
文字列を処理する前に、まず文字エンコーディングの概念を理解する必要があります。文字エンコーディングは、文字をバイトのシーケンスに変換するプロセスです。一般的な文字エンコーディングには、ASCII、UTF-8、GBK などが含まれます。Python では、文字列のデフォルトのエンコードは UTF-8 です。
文字列をバイトのシーケンスに変換したい場合は、文字列の encode() メソッドを使用できます。このメソッドは、エンコード方法を指定するパラメータを受け入れます。以下に例を示します。
text = "你好，世界！"
encoded_text = text.encode("UTF-8")
print(encoded_text)
上記のコードを実行すると、出力は次のようになります。
b'\xe4\xbd\xa0\xe5\xa5\xb