Python初学者笔记之——字符编码与字符串

一、字符编码

关于字符串编码的问题有一张神图可以解释他们之间的关系

ascll编码是针对英文的编码，它包括   大小写英文字母、数字和一些符号

GB2312，GBK，GB18030是针对中文的编码，它将中文汉字编写成字符串的形式保存在计算机内

Unicode编码是全球统一编码，它包括了全世界所有语言的编码规则

UTF-8，UTF-16,UTF-32是在Unicode编码的基础上对Unicode编码进行了优化。

也就是说对同一字符编码后，UTF-8，UTF-16,UTF-32的编码结果占用的空间要小于 Unicode编码

例： 以下是廖雪峰老师总结的原话

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。

你可以猜测，如果把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。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的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，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-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。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

总结：在使用python进行代码编写的时候，一定要在编码前指定编码方式为UTF-8

书写代码时，请在代码头部加上以下两段话

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。

申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码

二、字符串的格式化

在python中采用的格式化方法和C语言是一致的

%d   表示整形

%s    表示字符串

%f     表示浮点数

%x     表示16进制数

例如

format()函数

另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}……，不过这种方式写起来比%要麻烦得多

字符串和字节的相互转换

对于单个字符的编码，Python提供了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

下面着重介绍

将str（字符串）变为以字节为单位的bytes类型

python对byte类型的数据用自带b前缀的单引号或双引号表示

以Unicode表示的str还可以通过encode()方法编码为指定的bytes

具体格式为

'字符串'.encode('字符编码规则')

例如