现在计算机系统通用的字符编码工作方式总结如下:
1.在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
2.用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里;
3.编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件;
4.浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器。
python字符串问题处理:两种字符串如何相互转换?
字符串'xxx'
虽然是ASCII编码,但也可以看成是UTF-8编码,而u'xxx'
则只能是Unicode编码。
A.把u‘xxx’转换为UTF-8 编码的‘xxx'’用encode('utf-8')方法:
>>> u'ABC'.encode('utf-8') 'ABC' >>> u'中文'.encode('utf-8') '\xe4\xb8\xad\xe6\x96\x87'
注:英文字符转换后表示的UTF-8的值和Unicode值相等(但占用的存储空间不同),
而中文字符转换后1个Unicode字符将变为3个UTF-8字符,你看到的\xe4
就是其中一个字节,因为它的值是228
,没有对应的字母可以显示,所以以十六进制显示字节的数值。
B.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:
>>> 'abc'.decode('utf-8') u'abc' >>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') u'\u4e2d\u6587' >>> print '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') 中文