【本笔记是基于Python3的】
【廖雪峰大神的教程:http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431608990315a01b575e2ab041168ff0df194698afac000】
了解:
8个比特(bit)作为一个字节(byte)。
由于计算机是美国人发明的,因此,最早只有127个字母被编码到计算机里,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。但是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。
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了。
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。
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。
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。
Python的字符串
最新的Python 3版本中,字符串是以Unicode编码的。
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:
>>> ord('A')
65
>>>
>>> chr(99)
'c'
>>>
如果知道字符的整数编码,还可以用十六进制这么写str:
>>> '\u4e2d\u6587'
'中文'
>>>
可以使用python来进行unicode编码和转中文的任务。
由于Python的字符串类型是str,在内存中以Unicode表示,一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes。
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'
要注意区分’ABC’和b’ABC’,前者是str,后者虽然内容显示得和前者一样,但bytes的每个字符都只占用一个字节。
str转bytes
以Unicode表示的str通过encode()
方法可以编码为指定的bytes:
>>> 'abd'.encode('ascii') # 将abd按ASCII编码编码为bytes
b'abd'
>>>
>>> '中文'.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
>>>
# 中文编码的范围超过了ASCII编码的范围,报错了。
在bytes中,无法显示为ASCII字符的字节,用 \x## 显示。
bytes 转 str
使用decode(编码类型)方法
>>> b'abc'.decode('utf-8')
'abc'
>>>
用len()
函数计算长度:
>>> len(b'abd')
3
>>>
>>> len("中文".encode('utf-8'))
6
>>>
# 可见,1个中文字符经过UTF-8编码后通常会占用3个字节,而1个英文字符只占用1个字节。
格式化
在Python中,采用的格式化方式和C语言是一致的,用%
实现,举例如下:
>>> 'James %d' % 22
'James 22'
>>> 'James %d, %s' % (22,'男')
'James 22, 男'
>>>
# %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
有些时候,字符串里面的%是一个普通字符怎么办?这个时候就需要转义,用%%
来表示一个%:
>>> 'growth rete: %d %%' % 99
'growth rete: 99 %'
>>>
加号( + )用于字符串连接运算,星号( * )则用于字符串重复。
>>> str = "hahaha"
>>> str * 2
'hahahahahaha'
>>>