python字符串与编码
young / / / 阅读量

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。

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。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。

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

示例代码:

# -*- coding: utf-8 -*-
import os
#中文转换成byte
a="你好,世界".encode('utf-8')
#解码byte 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=a.decode('utf-8',errors='ignore')
print(a)
print(b)

运行结果

#第一行注释是为了告诉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。###########

字符串格式化

如何输出格式化的字符串。我们经常会输出类似’亲爱的xxx你好!你xx月的话费是xx,余额是xx’之类的字符串,而xxx的内容都是根据变量变化的,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{5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}实现,举例如下:

print('Hello, {5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}s' {5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418} 'world') 
print('Hi, {5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}s, pay ${5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}d.' {5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418} ('MAKE', 1000000))

结果

占位符 替换内容
{5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}d 整数
{5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}f 浮点数
{5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}s 字符串
{5749fe182deba6f703e69800a8cc3afb9894ad400f350437bd2be724fa41f418}x 十六进制整数
支付宝捐赠
请使用支付宝扫一扫进行捐赠
微信捐赠
请使用微信扫一扫进行赞赏
有 0 篇文章