Python字符编码及字符串

字符编码

字符串是一种数据类型，但是字符串比较特殊的是编码问题，计算机只能处理数字，处理文本就需要将文本转换成数字。

计算机设计时8bit作为一个字节byte,一个字节能表示的最大整数就是(2^8)-1 255(二进制11111111)，两个字节65535,4个字节4294967295.

计算机最初由127个字符被编码到计算机中，包含大小写字母，数字，字符，称作ASCII码

但是处理中文至少需要2个字节，中国制定了GBK2312，各个国家都有相应的编码，为了统一制定了Unicode编码。Unicode将所有的所有的语言统一编码，防止出现乱码。

ASCII和Unicode的区别是ASCII通常是1个字节，Unicode是2个字节

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

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。

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：

从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

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：

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 字符串

Python3的字符串是Unicode编码，能够支持所有的语言，也就不用像Python2中那样需要开头添加 #coding：utf-8

>>>print('中文')

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

>>>chr(66)
'B'

python 的字符类型是str,在内存中以Unicode存储，一个字符对应多个字节，要存放到磁盘上，到网络上传输，需要str变成以字节为单位的bytes

Python的bytes用带b前缀的单引号或双引号表示

x=b'ABC'

'ABC'是str,

b'ABC'是bytes

两者的显示内容是一样的，以Unicode表示的str转换成bytes是通过encode()方法

>>>'ABC'.encode('ascii')
b'ABC'

encode()可以指定转换成相应的格式，纯英文的str可以转换成ASCII，中文转换ASCII的时候超出范围，只能转换成utf-8的时候没有问题

反过来，想要将网络或者磁盘上读取的数据bytes转换成str，用decode

>>>b'ABC'decode('ascii')

'ABC'

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

字符串格式化

1 字符串格式化

格式化字符串用%，通常用于输出不同的变量

'hello,%s' %word
>>'hello,world'

'hi %s,your  %d' %('haha',122)

多个需要括号，字符串加引号

%运算符就是用来格式化字符串的。在字符串内部，%s表示用字符串替换，%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。

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

'%2d-%02d' %(3,1)

>>>'%.2f' %3.1415      #显示两位小数
3.14

2 数据类型转换

**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

3 str和int的转换

将字符串str转换成int

>>> type(int("123"))
<class 'int'>

将整型int转换成字符串str

>>> type(str("123"))
<class 'str'>

用type查看数据类型

4 %的转义####

字符串中的%是一个普通的字符，需要转义，*%%

*

>>>'rate is %d %%' % 8
rate is  8%