Tag:python,Encoding,unicode
现有的字符编码:ASCII,GBK,GB2312,UTF-8,Unicode......Unicode可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。
Python中定义一个Unicode字符串和定义一个普通字符串一样简单,引号前小写的“u”表示这里创建的是一个Unicode字符串。
>>> s=u'Hello World !'
代码文件中的字符串,经过decode以后,被转换为统一的unicode格式的内部数据,类似于u'*'。unicode数据可以使用encode函数,再自由转换为其他格式的数据,相当于一个统一的平台。
将输入的gb2312格式的数据解码为unicode
>>> '你好'.decode('gb2312')
u'/u4f60/u597d'
输入数据的格式取决于所用shell终端的编码设置。
解码同时转换为utf8
>>> '你好'.decode('gb2312').encode('utf8')
'/xe4/xbd/xa0/xe5/xa5/xbd'
如果你有一个特定编码的字符串,想要把它转为Unicode字符集,可以使用uncode()函数,它以编码名做为第二个参数。
>>> unicode('你好', 'gb2312')
u'/u4f60/u597d'