豆豆学python——（2）字符串和编码

1.字符编码

计算机中一个字节(byte)有八个比特（bit）,一个字节能表示的最大整数是255，两个字节为65535。

最早只有127个字符被编入计算机，也就是大小写英文及数字，该编码表被称为ASCII表，但是却不能显示别的国家的语言，因此各国制定了各自的编码（中国：GB2312;日本：Shift_JIS;韩国：Euc-kr）,因为每个国家都有自己的标准，所以容易引起冲突，在多语言混合的文本中就会出现乱码，为解决这一问题，于是诞生了Unicode标准，把所有标准统一到一个标准里，但是储存空间会比ASCII多出一倍，为了解决这一问题，又出现了可以把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把Unicode字符根据不同数字大小编码成1-6个字节，常用的英文字母被编码成一个字节，汉字通常是3个字节，只有很生僻的字被编码成4-6个字节。

计算机编码工作方式：在计算机内存中通常使用Unicode编码，当保存到硬盘或者需要传出的时候，就转化成UTF-8编码。

2.字符串

对于单个字符，可以通过ord()函数将获取的字符用整数编码表示，chr()则可以将编码转化成对应的字符。

在Python中字符串类型是str，在内存中以Unicode表示，一个字符代表多个字节。但是如果要在网络上传输，或者将其保存到磁盘上，就需要把str变为以字节为单位的bytes。

在python中byte类型的数据用带b前缀的单引号或双引号表示：x=b“ABC”  在byte中 每个字符只占用一个字节

通过len()函数可以计算 str 的字符数，byte的字节数。

3.字符编码转化

decode('xxx') 可将xxx类型的编码字符转化成由Unicode编码的字符

encode('xxx') 可将Unicode类型编码的字符转化成由xxx编码的字符

想要将其他其他类型的编码转化成别的类型的编码，需通过Unicode作为中间媒介。

s='中文'

s=s.decode('utf-8')   #将utf-8编码的解码成unicode

print isinstance(s,unicode)   #此时输出的就是True

s=s.encode('utf-8')           #又将unicode码编码成utf-8

print isinstance(s,unicode)   #此时输出的就是False

'''

print sys.getdefaultencoding()

s='中文'

if isinstance(s,unicode):   #如果是unicode就直接编码不需要解码

    print s.encode('utf-8')

else:

    print s.decode('utf-8').encode('gb2312')

print sys.getdefaultencoding()    #获取系统默认的编码

reload(sys)

sys.setdefaultencoding('utf8')    #修改系统的默认编码

print sys.getdefaultencoding()