Pythonで文字コードを変換する方法【初心者向け】

初心者向けにPythonで文字コードを変換する方法について解説しています。Python3ではデフォルトでUTF-8が設定されています。ここではencodeメソッドとdecodeメソッドを使った変換の方法を解説します。基本の書き方を覚えておきましょう。

TechAcademyマガジンはオンラインのプログラミングスクールTechAcademy [テックアカデミー]が運営する教育×テクノロジーのWebメディアです。初心者でもすぐ勉強できる記事が2,000以上あります。

Pythonで文字コードを変換する方法について解説します。

Pythonについてそもそもよく分からないという方は、Pythonとは何なのか解説した記事をまずご覧ください。

 

なお本記事は、TechAcademyのPythonオンライン講座の内容をもとにしています。

 

田島悠介

今回は、Pythonに関する内容だね!

大石ゆかり

どういう内容でしょうか?

田島悠介

文字コードを変換する方法について詳しく説明していくね!

大石ゆかり

お願いします!

 

文字コードとは

文字コードとは、文字を表す番号のことです。コンピューターは数字しか処理できません。よってコンピューターは、それぞれの文字の形(イメージ)に対応付けられた番号の一覧表で文字を管理しています。それが文字コードです。

文字コードはいくつか種類があり、それにより見た目が同じでも番号が異なります。

ASCII

もっとも基礎的な文字コードです。半角英数字128文字から構成されており、全ての文字を1バイトで表します。例えば「A」はASCIIでは0x41(0xは16進数を表す)となります。

 

Shift_JIS

日本語を表すために多く用いられていた文字コードです。全ての文字を2バイトで表します。亜種の cp932 がWindowsで採用されていたことで広く使われていました。例えば「あ」はShift_JISでは0x82E0となります。

 

UTF-8

現在最も広く使われている標準的な文字コードです。全ての文字を1〜4バイトで表します。世界中の文字を扱えるため、標準的に使われるようになりました。例えば「あ」はUTF-8では0xe38182となります。

なお、 Python において、以前の、Pythonのバージョン2.x(xは任意の数字)では、標準の文字コードは ASCII でした。よって日本語を扱う際は、文字コードを宣言して扱う必要がありました。しかし、現在主流のPython のバージョン3.xでは、標準の文字コードはUTF-8となったため、文字コードを宣言することなく、日本語を扱えるようになっています。

 

文字コードを変換する書き方

Python の標準の文字コードは UTF-8 です。また標準入出力(外部との情報のやりとり)も UTF-8 の文字列で行われます。そのため、 Python で文字コードを変換する場面は、あまり多くありません。

 

ファイルから情報を入出力する場合

ファイルの文字コードを判別して入出力する必要があります。詳しくは以下の記事を参考にしてください。

Pythonでファイルの文字コードを判定する方法

 

外部のプログラム等とバイト列で文字列をやりとりする場合

文字列とバイト列との変換用に、関数が用意されています。文字列をバイト列に変換するには encode メソッドを使用します。

'文字列'.encode('文字コード名')

逆に、バイト列を文字列に変換するには decode メソッドを使用します。

b'バイト列'.decode('文字コード名')

 

[PR] Pythonで挫折しない学習方法を動画で公開中

実際に書いてみよう

今回のサンプルプログラムでは、encode、decodeメソッド文字コードを変えてバイト列の内容を確認していきます。実行はPythonインタプリタで行います。コマンドラインで「python」と入力すると「>>>」と表示されますので、1行ずつプログラムを入力します。

はじめに文字列を UTF-8 のバイト列に変換してみましょう。

'こんにちは!'.encode('utf-8')

実行結果は以下のようになります。

b'\xe3\x81\x93\xe3\x82\x93\xe3\x81\xab\xe3\x81\xa1\xe3\x81\xaf\xef\xbc\x81'

次に、同じ文字列を Shift_JIS の亜種である CP932 のバイト列に変換してみましょう。

'こんにちは!'.encode('cp932')

実行結果は以下のようになります。UTF-8 の場合と実行結果が異なることが確認できます。

b'\x82\xb1\x82\xf1\x82\xc9\x82\xbf\x82\xcd\x81I'

最後に、cp932 のバイト列を文字列に変換してみましょう。

b'\x82\xb1\x82\xf1\x82\xc9\x82\xbf\x82\xcd\x81I'.decode('cp932')

実行結果は以下のようになります。

'こんにちは!'

以前の Python 2.x では文字列はバイト列であったため、使う場面がありましたが、現在主流の Python 3.x では、文字列は UTF-8 です。そのため、encode・decode メソッドについても参考程度に覚えておくと良いでしょう。

 

この記事を監修してくれた方

太田和樹(おおたかずき)
ITベンチャー企業のPM兼エンジニア

普段は主に、Web系アプリケーション開発のプロジェクトマネージャーとプログラミング講師を行っている。守備範囲はフロントエンド、モバイル、サーバサイド、データサイエンティストと幅広い。その幅広い知見を生かして、複数の領域を組み合わせた新しい提案をするのが得意。

開発実績:画像認識技術を活用した駐車場混雑状況把握(実証実験)、音声認識を活用したヘルプデスク支援システム、Pepperを遠隔操作するアプリの開発、大規模基幹系システムの開発・導入マネジメント

地方在住。仕事のほとんどをリモートオフィスで行う。通勤で消耗する代わりに趣味のDIYや家庭菜園、家族との時間を楽しんでいる。

 

大石ゆかり

内容分かりやすくて良かったです!

田島悠介

ゆかりちゃんも分からないことがあったら質問してね!

大石ゆかり

分かりました。ありがとうございます!

オンラインのプログラミングスクールTechAcademyではPythonを使って機械学習の基礎を学ぶPythonオンライン講座を開催しています。

初心者向けの書籍を使って人工知能(AI)や機械学習について学ぶことができます。

現役エンジニアがパーソナルメンターとして受講生に1人ずつつき、マンツーマンのメンタリングで学習をサポートし、最短4週間で習得することが可能です。

また、現役エンジニアから学べる無料のプログラミング体験会も実施しているので、ぜひ参加してみてください。