python字符串和编码

原创 2016年05月30日 16:08:50

计算机只能处理数字,如果要处理文本就必须把文本转换为数字才能处理。最早的计算机采用8个比特(bit)作为一个字节(byte),所以一个字节表示的最大整数为255(二进制11111111=十进制255),以及要表示更的整数就要用更多的字节。二个字节的最大整数为65535.
由于计算机是由美国发明的,最初只有127个字母编码到计算机里面,也就是大小写英文字母,数字,和一些符号。这个编码成为ASCII编码,比如大写字母A的编码是65,小写字母z的编码是122.
但是要处理中文一个字节显然是不够的,至少要俩个字节,而且还不能和ASCII编码冲突,所以中国制定了GB2312编码,把中文编码进去。
世界上有上百种语言,各国有各国的编码方式,不免出现冲突,出现乱码。因此Unicode应运而生,Unicode把所以语言都统一到一套编码里面。就不会再出现乱码问题。
Unicode常用俩个字节表示一个字符(如果遇到非常偏僻的就需要4个字节)。现在操作系统和大多数编程语言都支持Unicode.
Unicode一般都是俩个字节,而ASCII一般都是一个字节。
字母A 用ASCII的十进制编码是65.二进制是01000001 Unicode是00000000 01000001。
所以如果你写的文章全是英文的话,用Unicode编码比ASCII多一倍的存储空间,在存储和传输上就十分不划算。
所以出现了把Unicode编码转化为’可变长编码’的UTF-8编码,UTF-8编码把一个Unicode编码根据不同的数字大小编码成1-6字节。英文字母为3个字节,汉字通常是6个字节。
很生僻的字符被编成4-6个字节。
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件:
例如:
这里写图片描述
浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器:

Python中的字符串:
在python3中字符串是以Unicode编码的。也就是说Python支持多种语言。

print('包含中文的str')
#输出
包含中文的str

对于单个字符的编码,Python提供了ord()函数获取字符的整数表示,chr()函数把编码转换为对应的字符。

>>>ord('A')
65
>>>ord('中')
20013
>>>chr(66)
'B'
>>>chr(25991)
'文'
 >>>'\u4e2d\u6587'#十六进制的str
 中文

Python的字符串类型是str,在内存中以Unicode表示,一个字符占了若干字节。如果在网络上传输,或者保存到磁盘上,就需要把str变成以字节为单位的bytes.
以Unicode表示的str通过encode()方法可以编码为指定的bytes
例如:

>>>'ABC'.encode('ascii')
b'ABC'
>>>'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'

反过来我们冲网路或磁盘上读取字节流,读到的数据就是bytes,要把bytes转化为str.
例如:

>>>b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
中文

len()函数计算的是str的字符数。如果换成bytes,len()函数计算字节数

>>>len(b'ABC')
3
>>>len('中文')
2

由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

第一行注释是为了告诉Linux/OS X系统,这是一个Python可执行程序,Windows系统会忽略这个注释;
第二行注释是为了告诉Python解释器,按照UTF-8编码读取源代码,否则,你在源代码中写的中文输出可能会有乱码。
申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的,必须并且要确保文本编辑器正在使用UTF-8 without BOM编码.
参考资料:http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000

版权声明:本文为博主原创文章,未经博主允许不得转载。

Python入门(二)——IDE选择PyCharm,输入和输出,基础规范,数据类型和变量,常量,字符串和编码,格式化

作者:刘某人程序员 博客:http://blog.csdn.net/qq_26787115 声明:未经原作者允许请勿转载 我们从今天就开始正式的学习PY交易了,PY交易还行,我们有基础之后学习起...

python字符串编码及乱码解决方案

http://blog.csdn.net/pipisorry/article/details/44136297字符编码详解[字符编码ASCII,Unicode和UTF-8]皮皮BlogPython源码...

【python3自学笔记3】—字符串和编码

时间:2016.10.18 摘录自:廖雪峰python3.5教程 内容:字符串和编码

Python编程-字符串的编码转换、存储及乱码问题

转自:http://www.qmailer.net/archives/251.html Python2(包括Python26、Python27等)的字符串通常包含str、unicode两种类型,...

Learning Python 005 字符串和编码

Python 字符串和编码介绍计算机是美国人发明的,最早只有127个字母被编码到计算机,这个编码表被称为ASCII编码,比如大写字母A的编码是65,小写字母z的编码是122。处理中文一个字节显然是不够...

关于python字符串编码问题的理解

可以说,编码问题一直以来就困扰着我,我之前始终没有完全弄懂它,这次在看了这篇教程后感觉豁然开朗(看来好的教程是一个好东西啊):博客地址 ASCII和unicode的起源以前因为是美国人发明的计算机,字...

Android 提取硬编码字符串 setText (python脚本)

在Android 开发的过程中,我们做开发可能因为项目进度紧,没有注意或者没意识到硬编码问题的重要程度会将字符串直接写进布局文件或者java代码中,这样做是非常不符合Android开发规范的。 特别的...
  • cch1024
  • cch1024
  • 2017年02月21日 11:50
  • 376

Python字符串和编码

字符串和编码 阅读: 891756 字符编码 我们已经讲过了,字符串也是一种数据类型,但是,字符串比较特殊的是还有一个编码问题。 因为计算机只能处理数字,如果要处理文本,就必须先把文本...

python学习笔记-字符串和编码

源文章http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/00138681919628...

Python的字符串和编码

字符编码 我们已经讲过了,字符串也是一种数据类型,但是,字符串比较特殊的是还有一个编码问题。 因为计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:python字符串和编码
举报原因:
原因补充:

(最多只允许输入30个字)