python安全课程开发第一章第二节字符编码

python安全课程开发第一章第二节字符编码

字符编码

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，比如大写字母A的编码是65，小写字母z的编码是122。
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，其实对于安全人员字符编码问题在python3.x中也不像Python2.7那么重要了。还是了解下：

ASCII ＆ Ｕnicode

现在，捋一捋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。
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。
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。

UTF-8

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：

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中		01001110 00101101 11100100	10111000 10101101

Python的字符串

python3.x使用的utf-8编码，下面做一些基本的编码转换的演示,这里python2.7和python3.x没有区别：

>>> ord('A')
65
>>> chr(65)
'A'
>>> chr(66)
'B'

Python2.7以Unicode表示的字符串用u’…'表示，当然python3.x不需要，所以大家知道即可，比如：

>>>#以下python2.7代码,本文不明确说明都是python3.x代码
>>> print u'中文'
中文
>>> u'中'
u'\u4e2d'

Unicode 和UTF-8互相转换

这种转化经常在爬网页然后转储的时候会遇到

把u’xxx’转换为UTF-8编码的’xxx’用encode(‘utf-8’)方法，可以看到utf-8的字符串用b’…'作为标识：

>>> u'ABC'.encode('utf-8')
b'ABC'
>>>u'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'

把UTF-8编码表示的字符串’xxx’转换为Unicode字符串u’xxx’用decode(‘utf-8’)方法：

>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
>>> print(b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8'))
中文

还有其他的一些编码转换，但是这里不在讲解，不常用的编码转换需要的时候搜索引擎查一下就好了，方法都是类似

格式化

%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：

• %d 整数
• %f 浮点数
• %s 字符串
• %x 十六进制整数
• 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：

>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
>>> '%2d-%02d' % (3, 1)
' 3-01'
>>> '%.2f' % 3.1415926
'3.14'

如果你不太确定应该用什么，%s永远起作用，它会把任何数据类型转换为字符串：

>>> 'Age: %s. Gender: %s' % (25, True)
'Age: 25. Gender: True'

对于Unicode字符串，用法完全一样，但最好确保替换的字符串也是Unicode字符串：

>>> u'Hi, %s' % u'Michael'
u'Hi, Michael'

转义字符

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 rate: %d %%' % 7
'growth rate: 7 %'

format字符串格式化函数

python有一个格式化字符串的函数format，可以替换％型格式化，其实大家可以按照自己的喜好来使用

>>> '{0},{1}'.format('timo',18)#可以使用数字排序
>>> '{},{}'.format('timo',18)
>>> '{1},{0},{1}'.format('timo',18)
>>>'{name},{age}'.format(age=18,name='timo')#可以使用关键字

填充与对其

^、<、>分别是居中、左对齐、右对齐，后面带宽度,:号后面带填充的字符，只能是一个字符，不指定的话默认是用空格填充

In [15]: '{:>8}'.format('189')
Out[15]: '   189'
In [16]: '{:0>8}'.format('189')
Out[16]: '00000189'
In [17]: '{:a>8}'.format('189')
Out[17]: 'aaaaa189'

精度与类型

In [44]: '{:.2f}'.format(321.33345)
Out[44]: '321.33'
In [54]: '{:b}'.format(17)
Out[54]: '10001'
In [55]: '{:d}'.format(17)
Out[55]: '17'
In [56]: '{:o}'.format(17)
Out[56]: '21'
In [57]: '{:x}'.format(17)
Out[57]: '11'

还有其他用法， 自行琢磨

课后作业：

１．编写一个编码转换器，输入utf-8，可以自动转换成unicode编码；
２．依次输入学生的姓名，年龄，可以一行输出；