Python学习笔记2017年12月24日

时间:2021-04-17 19:19:01

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:

Python学习笔记2017年12月24日

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学习笔记2017年12月24日

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strbytes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strbytes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。