Python之字符串与编码

字符编码

• 几个常见国家的字符编码：

  美国：ASCII(一个英文字符占1个byte)
  中国：GB2312(一个中文字符占2个byte)
  日本：shift_JIS
  韩国：Eur_kr

• 统一字符编码：Unicode

  Unicode解决了多种语言编码冲突的问题，但是一个英文字母占2个byte

• 可变长编码：UTF-8

  UTF-8在Unicode的基础上节省了空间，英文字母1个byte而中文字母2个byte

Python的字符编码

 python 用的是`Unicode`编码，也就是说，Python的字符串支持多语言

字符 与编码的转换函数：ord()、chr()

• 字符转换成编码：ord()

  >>> ord('m')
   109
  >>> ord('M')
  77
  >>> ord('A')
  65
  >>> ord('a')
  97
  

• 编码转换成字符：chr()

  >>> chr(65)
  'A'
  >>> chr(3000)
  'ஸ'
  >>> chr(3)
  '\x03'
  >>> chr(93)
  ']'
  >>> chr(96)
  '`'
  >>> chr(94)
  '^'
  

字符串与bytes的转换函数：encode()、decode()

• bytes的表示：

  abc的bytes表示为：b'abc'

• 字符转化成bytes : encode()

  >>> 'string'.encode('ascii')
  b'string'
  >>> 'string'.encode('utf-8')
  b'string'
  >>> '中文'.encode('utf-8')
  b'\xe4\xb8\xad\xe6\x96\x87'
  >>> '中文'.encode('gb2312')
  b'\xd6\xd0\xce\xc4'
  

• bytes转换成字符串：decode()

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

  • 当出现无法解码错误时，可以这样：

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

• 字符/字节长度函数：len()

  >>> len(b'ABC')
  3
  >>> len(b'\xe4\xb8\xad\xe6\x96\x87')
  6
  >>> len('中文')
  2
  >>> len('中文'.encode('utf-8'))
  6
  

*注意： ' '与 " "在上述函数中等效，当''' 或 """时是多行输入，即'和"不能引入本身！例如：

>>> '''.encode('gb2312')
...
...
>>> "'".encode('gb2312')
b"'

python的格式化输出

• C语言类型的格式化输出：

>>> print('''这是整型：%d,%2d,%02d;
... 这是浮点型：%f--%.2f--%.3f%%''' %(45,4,3,3.13,3.123455,56.0))
这是整型：45, 4,03;
这是浮点型：3.130000--3.12--56.000%
>>>

• format输出：

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

python源文件常用编码设置

• 源文件开头声明：

  #!/usr/bin/env python3
  # -*-coding: utf-8 -*-
  

• 文本编辑器设置：
  Encoding设置为：Encode in UTF-8 without BOM

一点好玩的东西^_^

在python中输入：

>>> print(chr(9997))
✍
>>> print(chr(9996))
✌
>>> print(chr(9995))
✋
>>> print(chr(9993))
✉
>>> chr(9993)
'✉'

好玩吧^_^