Python字符编码

字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。

因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节，比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295.

Unicode把所有的语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode标准也在不断发展，但是最常用的是用两个字节表示一个字符，如果要用到非常偏僻的字符，就需要4个字节。现在操作系统和大多数编程语言都直接支持Unicode。

在计算机内存中，统一使用Unicode编码，当需要保持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的信息，表示该网页正式用的UTF-8编码。

 

Python的字符串：

在最新的Python3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。

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：

如果知道字符的整数编码，还可以用十六进制这么写str:

两种写法完全是等价的。

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前缀的单引号或者双引号表示：

x = b'ABC'

要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但是bytes的每个字符都只占用一个字节。

以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：

纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

在bytes中，无法显示为ASCII字符的字节，用\x##显示。

反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：

要计算str包含多少个字符，可以用len()函数：

len()函数计算的是str的字符数，如果换成butes,len()函数就计算字节数：

可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

在操作字符串时，我们经常遇到str和bytes的互相转换。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：

#!/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，安装UTF-8编码读取源代码，否则，你在源代码中写的中文输出会有可能乱码。

申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码：

如果.py文件本身使用UTF-8编码，并且也申明了#-*- coding: utf-8 -*-，打开命令提示符测试就可以正常显示中文。

 

格式化：

最后一个常见的问题是如何输出格式化的字符串，我们经常会输出类似于‘亲爱的xx你好！你的xx月的话费是xx，余额是xx’之类的字符串，而xxx的内容是会根据变量变化的，所以，需要一种简便的格式化字符串的方式。

在Python中，采用的格式化方式和C语言是一致的，用%实现，如下：

你可能猜到了，%运算符就是用来格式化字符串的。在字符串内部，%s表示用字符串替换，%d表示用整数替换，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。

常见的占位符有：

%d 整数

%f  浮点数

%s  字符串

%x  十六进制整数

其中，格式化整数和浮点数还可以指定是否补0和整数与小数的位数：

如果不太确定该用什么，%s永远起作用，它会把任何数据类型转换为字符串：

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%:

 

Python3的字符串使用Unicode，直接支持多语言。

str和bytes互相转换时，需要制定编码。最常用的编码是UTF-8。

格式化字符串的时候，可以用Python的交互命令行测试。

转载于:https://www.cnblogs.com/yuanxinru321/p/7783601.html