# 这是学习廖雪峰老师python教程的学习笔记
1、字符编码的历史
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(bit)作为一个字节(byte),所以,一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。
1、ASCII编码
因为计算机是美国人发明的,因此,最早只有127个字符被编码到计算机里,也就是大小写英文字母、数字和一些符号,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
2、GB2312编码
要处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ASCII编码冲突,所以,中国制定了GB2312编码,用来把中文编进去。
3、Unicode
由于世界各国语言不同,各国编码标准不同。在多语言混合的文本中,显示出来会有乱码。
因此,Unicode应运而生。Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题。
ASCII编码和Unicode编码的区别:ASCII编码是1个字节,而Unicode编码通常是2个字节。
编码对比:
字母A用ASCII编码是十进制的65,二进制的01000001;
字符0用ASCII编码是十进制的48,二进制的00110000,注意字符'0'和整数0是不同的;
汉字“中”已经超出了ASCII编码的范围,用Unicode编码是十进制的20013,二进制的01001110 00101101。
把ASCII编码的A用Unicode编码,只需要在前面补0就可以,因此,A的Unicode编码是00000000 01000001。
4、UTF-8(可变长编码)
如果文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。所以,为了节约,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。
TF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。
而且ASCII编码实际上可以被看成是UTF-8编码的一部分,所以大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作
2、计算机系统通用的字符编码工作方式
1、记事本编辑
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
2、浏览网页
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
3、Python的字符串介绍与函数
1、字符串介绍
在Python 3版本中,字符串是以Unicode编码的,也就是说,Python的字符串支持多语言,例如:
>>> print('包含中文的str')
包含中文的str
2、函数介绍
1、单个字符编码
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('中')
20013
>>> chr(66)
'B'
2、多字节编码
Python对bytes类型的数据用带b前缀的单引号或双引号表示:
x = b'ABC'
encode()方法,将Unicode表示的str编码为指定的bytes
>>> 'ABC'.encode('ascii')
b'ABC' # 编译成了bytes数据
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
decode()方法,把bytes变为str
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
如果bytes中只有一小部分无效的字节,可以传入errors='ignore'忽略错误的字节:
>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'
3、计算字符数
len()函数,计算str的字符数,如果换成bytes,len()函数就计算字节数
>>> len('ABC')
3
>>> len(b'ABC')
3
4.格式化
如何输出格式化的字符串。
我们经常会输出类似'亲爱的xxx你好!你xx月的话费是xx,余额是xx'之类的字符串,而xxx的内容都是根据变量变化的,所以,需要一种简便的格式化字符串的方式。
4.1、用%实现
举例如下:
>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
%运算符就是用来格式化字符串的。
在字符串内部,%s表示用字符串替换,%d表示用整数替换,有几个%?占位符,后面就跟几个变量或者值,顺序要对应好。如果只有一个%?,括号可以省略。
常见的占位符有:
其中,格式化整数和浮点数还可以指定是否补0和整数与小数的位数:
>>> print('%d-%d' % (3,1)) # %d 输出整数
3-1
>>> print('%2d-%02d' % (3,1)) # %2d:表示数字前有一个空格。%02d:数字前的一个空格用0填充
3-01
>>> print('%.2f' % 3.1415926) # %.2f:保留小数点后两位
3.14
4.2、format()
它会用传入的参数依次替换字符串内的占位符{0}、{1}……
>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)
'Hello, 小明, 成绩提升了 17.1%'