python字符编码

Table of Contents

• 1. 字符编码
• 2. python字符串
• 3. python格式化

1 字符编码

ascii 码是一个字节，通常只能显示英文字母和数字。 unicode码为了显示多种语言产生，但是要占用两个字节，显示文字要占用大量空间 utf-8 为了节约空间而生，英文字符只用一个字节存储，中文字符需要三个字节

character	ascii	unicode	utf-8
A	010000001	00000000 01000001	0100000001
中	x	01001110 00101101	11100100 10111000 10101101

• 计算机内存中，统一使用unicode 编码，当保存到硬盘或者需要传输的时候，就转成UTF-8.
• 浏览网页时，服务器会动态生成的 unicode 内容转换为UTF-8，再传输到浏览器，所以有时候用框架传递中文字符时，需要手动地把utf-8转换为unicode码。

2 python字符串

• python的源码文件一般是UTF-8模式编码的
• 所以python源码中的字符都要当作UTF-8来看待
• so, str.decode('utf-8')实际上是解码为unicode编码方式,可以把unicode当作所有字符转换的中间量,encode时,一般要转换为unicode格式.

>>> u"空间"
u'\u7a7a\u95f4'
>>> "空间"
'\xe7\xa9\xba\xe9\x97\xb4'
>>> "空间".decode('utf-8')
u'\u7a7a\u95f4'
>>> print "空间".decode('utf-8').encode('gb2312')
\227ռ\344
>>> print "空间".encode('gb2312')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  UnicodeDecodeError: 'ascii' codec can't decode byte 0xe7 in position 0: ordinal not in range(128)
>>>

3 python格式化

• python的格式化是一个很强大的功能 类似与C 语言的格式化输入、输出，比如：
• "hello, %s , number:%d" % ('tom', 10)
• u"hello, %s" % u"tome"