Python字符编码学习理解

使用Python处理字符时需要注意的几点

最近被python的字符串处理搞昏了头,又跑回去看了看字符编码的区别,现在记下来,以供后面自己查阅:

• Python默认使用Unicode编码
  
  • Unicode使用两个字节用来表示一个字符
• 存储一般采用UTF-8格式存储
  
  • UTF-8可变长度字符编码,英文数字均为1字节,汉字一般为3字节,更复杂的4~6个字节

• ASCII可以看作是UTF-8的一个子集

• 在Linux下,Python解释器会根据编码文件中制定的编码格式读取文件内容,一般指定为UTF-8形式:

  
  #!/usr/bin/python
  
  
  # -*- coding: utf-8 -*-
  

• Windows下一般采用Unicode编码形式,Python解释器默认以Unicode模式读取字符串

• 由于Python处理字符串过程为Unicode编码形式,所以,在对文件及网络字符串流处理时,为了避免中文乱码形式,应该合理使用decode()与encode()方法进行字符串的编码形式的转换.

• 在Linux下编写含中文的.py的文件时,应注意编辑器的编码形式,若指定了读取模式为UTF-8,应保证文件的编码形式为UTF-8