码迷,mamicode.com
首页 > 编程语言 > 详细

Python字符串和编码

时间:2018-05-22 23:47:05      阅读:227      评论:0      收藏:0      [点我收藏+]

标签:文字   显示   单位   就是   数据类型转换   大小   encode   上传   unicode编码   

  在最早的时候只有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,这个编码被成为ASCII编码。

  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。

  世界上有很多语言,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会出现乱码。因此,Unicode应运而生。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标准在不断发展,但最常用的是用两个字节表示一个字符。

  如果统一成Unicode编码,乱码问题从此消失了,但如果文本里基本上全部是英文的话,用Unicode编码比ASCII编码要多一倍的存储空间,在存储和传输上就十分不划算。这样就出现了把Unicode编码转化为“可边长编码”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。

  ASCII编码实际上可以被看成是UTF-8编码的一部分。

 

  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。

 

  在最新的Python 3版本中,字符串是以Unicode编码的。

  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。

  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‘。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:

‘ABC‘.encode(‘ascii‘)

‘中文‘.encode(‘utf-8‘)

  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。

  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‘)

 

  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bytes,len()函数就计算字节数。

 


格式化

  在Python中,采用的格式化方式和C语言是一样的,用%实现。

  在字符串内部,%s表示用字符串替换,%d表示用整数替换,%f浮点数,%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。比如:

print(‘%2d-%02d‘ % (3, 1))

print(‘%.2f‘ % 3.1415926)。

  如果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。

 

  format:另一种格式化字符串的方法是使用字符串的format()方法,它会用传入的参数依次替换字符串内的占位符{0}、{1}……,不过这种方式写起来比%要麻烦得多:

‘Hello, {0}, 成绩提升了{1:.1f}%‘.format(‘小明‘, 12,123),打印结果为:Hello, 小明,成绩提升了17.1%。

 

Python字符串和编码

标签:文字   显示   单位   就是   数据类型转换   大小   encode   上传   unicode编码   

原文地址:https://www.cnblogs.com/lucky-zhangcd/p/9074370.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!