一. 单个字符编码
ord():函数获取字符的整数表示
ord('Z') # 值为:90
chr():函数把编码转换为对应的字符
chr(24352)# 值为:'张'
二. str转bytes
由于Pythson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',前者类型是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:
纯英文的str可以用ASCII编码为bytes
'ABC'.encode('ascii') # 值为:b'ABC'
含有中文的str可以用UTF-8编码为bytes
'中文'.encode('utf-8') # 值为:b'\xe4\xb8\xad\xe6\x96\x87'
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。
'中文'.encode('ascii') # 不可以这样使用,会报错
三. bytes 转str
上面我们已经提到,由于Pythson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。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') # 值为'ABC' b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') # 值为:'中文'
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'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore') # 值为:'中'
要计算str包含多少个字符,可以用len()函数:
len('ABC') # 值为:3 len('中文') # 值为: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') # 值为:3 len(b'\xe4\xb8\xad\xe6\x96\x87') # 值为:6 len('中文'.encode('utf-8')) # 值为:6
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。
由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:
#!/usr/bin/env python3 #该注释是为了告诉Linux/OS X系统,这是一个Python可执行程序,Windows系统会忽略这个注释; # -*- coding: utf-8 -*- #该注释是为了告诉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。
注意以上只是申明使用UTF-8编码,在用文本文档编写的时候需要我们手动调整成UTF-8 without BOM编码
四. 格式化
11. %运算符用来格式化字符串。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。
'Hello, %s' % 'world'#值为:'Hello, world' 'Hi, %s, you have $%d.' % ('Michael', 1000000)#值为:'Hi, Michael, you have $1000000.'
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
同时,可以用%%来表示一个%
'你的成绩提高了%d%%!' % 50#值为:'你的成绩提高了50%!'
2. 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}……
五. 参考资料
本文根据廖雪峰的官方网站:字符串和编码一文整理而成
请登录之后再进行评论