python -- 字符串和编码
2017-06-22 09:25
393 查看
字符串和编码
数字--文本
ascii(bg2312,shift_jis,eur_kr)--unicode--utf-8
ord(""),chr()
1 Python提供了
2.如果要在网络上传输,或者保存到磁盘上,就需要把
Python对
以Unicode表示的
纯英文的
在
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
要计算
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
3.常见的占位符有:
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:
如果你不太确定应该用什么,
有些时候,字符串里面的
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
由于计算机是美国人发明的,因此,最早只有127个字符被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为
但是要处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ASCII编码冲突,所以,中国制定了
你可以想得到的是,全世界有上百种语言,日本把日文编到
因此,Unicode应运而生。Unicode把所有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。
字母
字符
汉字
你可以猜测,如果把ASCII编码的
新的问题又出现了: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。
所以,本着节约的精神,又出现了把Unicode编码转化为“可变长编码”的
数字--文本
ascii(bg2312,shift_jis,eur_kr)--unicode--utf-8
ord(""),chr()
1 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:
>>> ord('A') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) '文'
2.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:
以Unicode表示的
str通过
encode()方法可以编码为指定的
bytes,例如:
>>> 'ABC'.encode('ascii') b'ABC' >>> '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87'
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:
>>> b'ABC'.decode('ascii') 'ABC' >>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') '中文'
要计算
str包含多少个字符,可以用
len()函数:
>>> len('ABC') 3 >>> len('中文') 2
len()函数计算的是
str的字符数,如果换成
bytes,
len()函数就计算字节数:
>>> len(b'ABC') 3 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('中文'.encode('utf-8')) 6
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。
3.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 |
>>> '%2d-%02d' % (3, 1) ' 3-01' >>> '%.2f' % 3.1415926 '3.14'
如果你不太确定应该用什么,
%s永远起作用,它会把任何数据类型转换为字符串:
>>> 'Age: %s. Gender: %s' % (25, True) 'Age: 25. Gender: True'
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
%:
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。
由于计算机是美国人发明的,因此,最早只有127个字符被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为
ASCII编码,比如大写字母
A的编码是
65,小写字母
z的编码是
122。
但是要处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ASCII编码冲突,所以,中国制定了
GB2312编码,用来把中文编进去。
你可以想得到的是,全世界有上百种语言,日本把日文编到
Shift_JIS里,韩国把韩文编到
Euc-kr里,各国有各国的标准,就会不可避免地出现冲突,结果就是,在多语言混合的文本中,显示出来会有乱码。
因此,Unicode应运而生。Unicode把所有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。
字母
A用ASCII编码是十进制的
65,二进制的
01000001;
字符
0用ASCII编码是十进制的
48,二进制的
00110000,注意字符
'0'和整数
0是不同的;
汉字
中已经超出了ASCII编码的范围,用Unicode编码是十进制的
20013,二进制的
01001110 00101101。
你可以猜测,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。
新的问题又出现了: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。
所以,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
相关文章推荐
- Python的字符串编码相关小结
- Python字符串编码
- Python 中的字符串编码
- Python字符串编码的encode与decode
- 分享:python字符串编码判断
- Python字符串的编码和解码
- python 专题十二 字符串 编码
- Python关于字符串编码,个人认识
- 这篇文章讲得比较清楚python的字符串编码问题
- 飘逸的python - 编码杂症之在字符串前面加u
- python中文字符串编码处理
- 8.python中字符串的编码和解码问题——decode/encode
- python的字符串的编码问题
- Python 中的字符串编码
- python 的百分号格式化字符串操作, 易报编码错
- python中文字符串数组编码的问题
- python字符串编码问题
- python处理字符串编码
- Python3和Python2中的字符串编码的区别
- python 字符串编码