Python学习第六天~字符与编码

字符串

概述

类型

• str 字符串
• bytes 字节
• ybtearray 字节数组

字符编码架构

编码：Encoding：转换字符到原始字节形式

解码：Decoding：依据编码名称转换原始字节到字符的过程

字符集：赋值一个编码到某个字符，以便在内存中加载

 

字符串存储

编码只作用于文件存储或中间媒介转换时

内存中总是存储解码以后的文本

 

常见字符编码：

ASCII---存储在一个Byte   0-127

ord('A')----65

chr(104)----->'h'

内置函数

ord():获取字符代码点

chr()：获取代码点对应字符

 

latin-1：存储在一个Byte  128-255

UTF-16：2个byte存储字符（另加2Byte作为标识）   utf-32是按照4个Byte存储的

UTF-8：可变字节 ：经常使用的

• 0-127使用单字节
• 128-2047 双字节存储
• 》2047 3-4字节
• 每byte使用128-255

字符的编码个解码

•    str.encode(‘编码’)   将特定字符编码。
•      bytes.decode('编码') 将字符编码解码为字符文本。
•      import sys   模块下的！  sys.getdefaultencoding()  获得默认的编码格式

open('data.txt,'r',encoding='utf-8'').read()

以utf8打开data.txt文件读取

open('data.txt','rb').read

以字节形式打开

b[0]--->97    b[0]=98 字节对象不支持原位改变值

 

类型转换bytes

手动声明 b'abcd'   字母加b实现转化

字符串编码  str.encode()

构造函数 bytes()

 

bytearray字节数组转化

byrearray('字符'，'编码')

.decode解码为字符串

s1-'abc'
ba=bytearray(s1,'utf8')
ba[]
-->97
ba[]=98   可以赋值
ba-->bytearray(b'bbc')

BOM处理：字节顺序标记

 

原始读取：

open('data.txt','r',encoding = 'utf-8').read()   

 加顺序标记   sig  字节顺序：

open('date.txt',‘r’,encoding='utf-8-sig').read   加顺序标记   sig  字节顺序

 原始的创建：

open('date.txt','w','encoding = 'utf-8').write()
 带有字节顺序标记的创建方式：

open('date.txt','w',encoding = 'utf-8-sig').write()