字符编码——python学习

2018-10-29 15:30:34来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

python学习字符编码

 

例如汉字

十进制:20013

二进制:01001110 00101101(unicode)/11100100 10111000 10101101(utf-8)

十六进制:u4e2d

八进制:

ascii

  • ASCII编码是1个字节
  • 只能编码纯英文
  • 节省空间

unicode

  • Unicode编码通常是2个字节。(比如字母AASCII编码是十进制的65,二进制的01000001AUnicode编码是00000000 01000001。)
  • uicode统一编码,解决编码冲突,乱码问题消失
  • ascii多一倍的存储空间,存储和传送时不划算(UTF-8解决

utf-8(可变长的unicode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。

字符

ASCII

Unicode

UTF-8

A

01000001

00000000 01000001

01000001

x

01001110 00101101

11100100 10111000 10101101

 

  • 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:
  • ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

计算机系统通用的字符编码工作方式

内存:统一unicode编码

硬盘、传输:转换为utf-8

 

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的字符串

相关函数

  • ord()函数获取字符的整数表示(单个字符)参数为要操作的单个字符,返回一个整数。
  • chr()函数把编码转换为对应的字符(单个字符)
  • encode()函数,将str字符串以指定的编码方式(参数)变为bytes

'str'.encodeascii/utf-8)返回bytes字符串

中文以ascii编码会报错

  • decode()函数把从网络或磁盘上读取的bytes以指定的编码方式(参数)变为str

'bytes'.decode(ascii/utf-8)返回str字符串

bytes无法解码会报错,如果bytes中只有一小部分无效的字节,可以传入errors='ignore'忽略错误的字节

>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore') '中'

  • len()函数,计算字符串包含字符个数

>>> len(b'ABC') 3 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('中文'.encode('utf-8')) 6

在最新的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

Python的字符串类型是str,如果要在网络上传输,或者保存到磁盘上,就需要把str变为bytes

>>为了避免乱码问题,应当始终坚持使用UTF-8编码对strbytes进行转换<<

str和bytes的区别

  • str一个字符对应若干个字节bytes的每个字符都只占用一个字节。(将多字节的字符分解为单字节的多字符)

>>> 'ABC'.encode('ascii') b'ABC' >>> '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87'

bytes中,无法显示为ASCII字符的字节,用\x##显示。

  • bytes字符带前缀,带引号

.py文件中含中文要用utf-8编码

#!/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。

>>编辑器用UTF-8 without BOM<<

字符串格式化问题

>>> 'Hello, %s' % 'world' 'Hello, world' >>> 'Hi, %s, you have $%d.' % ('Michael', 1000000) 'Hi, Michael, you have $1000000.'

%运算符

  • 就是用来格式化字符串的。在字符串内部有几个%?占位符,后面就跟几个变量或者值,顺序要对应好。如果只有一个%?,括号可以省略。
  • 转义,用%%来表示一个%

>>> 'growth rate: %d %%' % 7 'growth rate: 7 %'

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

format()

另一种格式化字符串的方法是使用字符串的format()方法,它会用传入的参数依次替换字符串内的占位符{0}{1}……,不过这种方式写起来比%要麻烦得多:

>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125) 'Hello, 小明, 成绩提升了 17.1%'

 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:文件操作

下一篇:python_day1