Python编程为什么要用uft-8?如何查看字符串的编码及进制转换

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

utf-8是可变长字符编码格式，在日常应用中如果只使用英文则使用ASCII编码即可满足要求，但如果需要使用中文或其他语言只有ASCII编码就不能表示如此多的字符了，这时就出现UNICODE编码将所有其他语种都包含在同一编码范围内，这样就可以打印其他语种的字符了，但是Unicode 只是对字符编码做了规范，并未对字符如何存储做实现，utf-8就是定义了unicode存储的最小bit数8位，英文数字及其他Ascii码可以占一个字节，中文字符占用3个字节，具体的实现方式可以参考网络上的utf-8介绍

---

一、打印字符串

在字符串前面添加前缀，r,u,b有什么区别？

• r 代表在打印字符串时不进行转义，直接将字符串按字面打印出来
• u代表在打印字符串以Uncode进行编码
• b代表将字符串字节进行转换

print(r'Hello\n')
print(u'Hello\n')
print(b'Hello\n')

三个语句实际打印效果如下：

Hello\n
Hello

b'Hello\n'

二、将字符串转换成byte序列并打印编码

英文字符打印：

str1 = b'abcdefg1234'
print(str1[0])
for index in str1:
    print(index)
    print(hex(index))

输出结果

97
97
0x61
98
0x62
99
0x63
100
0x64
101
0x65
102
0x66
103
0x67
49
0x31
50
0x32
51
0x33
52
0x34

---

三、打印中文字符编码

打印中文字符串时不能直接在字符串前加前缀b,否则会报警。我们需要首先调用字符串函数encode 将字符串编码成byte序列，然后可以按照列表形式或For 语句打印返回的byte序列；
反之，也可以将列表转换成字符串，调用列表的decode函数

strC = '中文123456'
print(strC[0])
print(strC.encode('utf-8'))
print(strC.encode('utf-8')[0])
print(len(strC.encode('utf-8')))
print(strC.encode('utf-8').decode('utf-8'))

中
b'\xe4\xb8\xad\xe6\x96\x87123456'
228
12
中文123456

---

四、数据格式转换

• ord()___查询字符的Unicode码，返回的是十进制的Unicode编码

print(ord('文'))

输出：

25991

---

• chr()___与ord()相反，通过unicode十进制码返回相应的字符

print(chr(ord('文')))

输出：

文

注意，ord()查询的是字符在Unicode的数值，并不是字符串在utf-8编码下的数值，utf-8下数值存储是依照一定格式的，其数值转换成十进制不是Unicode的十进制值

---

• ascii()___将字符串转换成Ascii格式，如果字符串中存在其它字符则用\u或\x表示

print(ascii('中文abc'))#将字符串转换为ASCii格式，如果字符串中存在其它字符则用\u或\x表示
print(ascii('abc123'))
print(chr(97))
print(hex(189))
print(chr(0x6587))

输出：

'\u4e2d\u6587abc'
'abc123'
a
0xbd
文

---

• int()___整数数值转换,int()有两个参数，如果要输出10进制值，则前面可以写数值或string，如果要输出其它进制数值则第一个参数需要为数值（不必加进制前缀），后一个参数需要填写前一个数值或string是哪个进制的

print(0o123)
print(0x12a)
print(int('12a',16))
print(int(0x1231))

输出：

83
298
298
4657

• hex() 将整数转换成十六进制数
• bin() 将整数转换成二进制数

print(bin(255))
print(hex(255))

输出：

0b11111111
0xff

---

总结

• 将字符串编码为byte列表可以通过列表对字符串中的字符进行识别，比如是否包含中文，是否包含数字；
• 如果简单的判断可以直接调用字符串自带的相关函数 ，具体哪些方法可以参考官方手册
• 将英文或数字打印字符串可以直接以16进制或其他进制转换输出
• 如果字符串中包含中文需要调用字符串函数encode（）先将字符串转换成byte再打印，直接在中文字符串前加b不能直接实现转换