Python学习笔记（3）---数据编码

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 -*-