Python学习笔记2017年12月24日

平安夜

字符编码

计算机只能处理数字，因此，一个字符必须对应一个编码才能被计算识别处理。由于各种语言都有一套自己的编码系统，容易造成混乱。所以Unicode诞生了。

1、Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符，8个bit表示一个字节（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持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。

举个栗子：如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

但是新的问题出现了：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。

解决方案：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

2、搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：

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。

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，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

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：

所以你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。

python字符串

1、Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言。

2、对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符

3、\u后面加16进制代码表示Unicode字符。

4、由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。

Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x = b'ABC'

5、encode是将str变为bite。decode是将bite变为str。例如:

>>>‘ABC’.encode（ascii）

>>>b‘ABC’

>>>b'ABC'.decode(ascii)

>>>'ABC'

6、len()函数可以计算str类型有多少个字符，也可计算bit类型有多少个字节。

7、在操作字符串时，我们经常遇到str和bytes的互相转换,此时需要指定编码，通常采用utf-8编码。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。

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 -*-

第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。

8、格式化，采用%实现

占位符	替换内容
%d	整数
%f	浮点数
%s	字符串
%x	十六进制整数

9、 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 %'

10、可以通过%.1f等保留几位有效数字。