Python学习笔记(3)—数据编码
在计算机中8位二进制(bit)为一个字节Byte(Bit)。
ASCII码
初始,计算机只引进了127个大小写英文+数字+符号。 这就是ASCII码。ASCII只有8位二进制(8位二进制为一个字节),一个字节最多能表示255个不同的值(一个字节的极限)ASCII的范围从 0000 0000–>0111 1111 。
Unicode
由于其他的语言的复杂性,所以用一个字节255的容量来表示某些语言会有些吃力,比如汉字,日文等等。为了计算机之间可以互相通讯所以需要一种编码,这种编码可以统一表示全球各种形式的语言和符号,因此Unicode出现了,它使用了2个字节(待考究)来表示大部分种类的语言及符号。
UTF-8
虽然Unicode可以解决多种字符的表示问题,但是如果在只需要表示字母数字的时候,Unicode就会浪费大量的空间。所以就有了折中方案UTF-8。UTF-8把字符根据内容不同分为了1-6个字节,比如当表示字母数字的时候就用一个字节(表示方法与ASCII码相同),当表示汉字的时候用3或更多个。
- 当字符在内存中存在时,使用的是统一的Unicode,便于统一计算显示,而当字符需要保存到硬盘或者进行传输的时候便使用UTF-8
Python的字符串
在Python3里字符串是以Unicode编码的,所以它支持多种语言。
>>>print('中文English')
中文English
>>>
Python里提供了编码转换的函数比如:
- 函数ord()把字符按编码用十进制表示出来
>>>ord('a')
97
>>>
- 函数chr()把数字变成相应的字符
>>>chr(97)
a
>>>
- 可以用len()函数来得到字符串的长度。
>>>a = 'English'
>>>len(a)
7
>>>b = '中文'
>>>len(b)
2
- 由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-