『无为则无心』Python基础 — 9、Python字符串的编码与转义

1、查看变量类型
2、转义字符
3、字符编码

提示：上一篇文章中介绍了Python字符串的使用，本篇文章来说说Python字符串的编码与转义。

在此之前，我们先介绍一下在Python中如何查看一个变量的类型。

1、查看变量类型

（1）type( )函数说明

在Python中，type( )函数是一个最实用又简单的查看对象数据类型的方法。
type( )函数是Python的一个内建的函数，调用它就能够得到一个反回值，从而知道想要查询的对像类型信息。
type( )函数的作用：

只有第一个参数时，则返回对象的类型。多个参数以后用到在详细说。
type( )函数的使用方法：
```
type(object)
```

（2）示例

"""

 type()函数用来检查值的类型。

 该函数会将检查的结果作为返回值返回，可以通过变量来接收函数的返回值。

 注意： type()函数查看的是变量对应空间中存储的值的类型。

"""

a = type('123')

print(a)  # <class 'str'>

# 查看我们所学过的数据类型

print(type(1)) # <class 'int'>

print(type(1.5)) # <class 'float'>

print(type(True)) # <class 'bool'>

print(type('hello'))  # <class 'str'>

print(type(None)) # <class 'NoneType'>

提示：type( )函数的强大功能并非只能用于查看变量类型，以后用到再总结。

2、转义字符

（1）转义字符说明

有部分符号在Python中是有特殊含义的，当需要使用符号自身原有的意思时，这时可以通过转义字符表示。
转义字符的意义就是避免出现二义性，避免系统识别错误。

（2）示例

# 1、如果字符串内部既包含'又包含"怎么办？

# 可以用转义字符`\`来标识

print("北京的金山上，"光芒"照四方。") # SyntaxError: invalid syntax

# 使用转义字符解决

print("北京的金山上，\"光芒\"照四方。")

# 使用上边说的引号之间的嵌套解决

print('北京的金山上，"光芒"照四方。')

"""

# 2、转义字符`\`可以转义很多字符，

    比如`\n`表示换行，

        `\t`表示制表符，

        字符`\`本身也要转义，所以`\\`表示的字符就是`\`，

"""

# 输出结果：子曰:"学而时习之，\\n乐呵乐呵！"

s = "子曰:\"学而时习之，\\\\n乐呵乐呵！\""

print(s)

（3）常用转义字符对照表

转义字符	描述
`\`(在行尾时)	续行符
`\\`	反斜杠符号
`\'`	单引号
`\"`	双引号
`\a`	响铃
`\b`	退格(`Backspace`)
`\e`	转义
`\000`	空
`\n`	换行
`\v`	纵向制表符
`\t`	横向制表符，一个tab键（4个空格）的距离
`\r`	回车
`\f`	换页
`\oyy`	八进制数，`yy`代表的字符，例如：`\o12`代表换行
`\xyy`	十六进制数，`yy`代表的字符，例如：`\x0a`代表换行
`\other`	其它的字符以普通格式输出

提示：转义、去转义在线工具：http://www.bejson.com

3、字符编码

字符串有一个比较特殊的问题，就是编码问题。

（1）字符编码介绍

1）字符编码的由来：

因为计算机只能处理二进制数字，也就是0和1。如果要处理文本，就必须先把文本转换为数字才能处理。

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。

你可以想得到的是，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。

2）Unicode编码介绍：

如上所述，Unicode编码应运而生，又称为万国码。Unicode编码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编码标准也在不断发展，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编码。

3）UTF-8编码介绍：

然而新的问题又出现了：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编码字符根据不同的数字大小编码成1-6个字节【8个比特（bit）作为一个字节（byte）】，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（如果统一标准的话，一个英文字符要补2-3个字节的0），用UTF-8编码就能节省空间。

如下图所示：

因为我们编写的代码文件中，绝大部分都是英文，所以我们常用的编码格式为UTF-8编码。

UTF-8编码还有一个额外的好处，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。

（2）Python中的字符编码

Python3的默认编码是UTF-8编码，可通过如下代码查看。

import sys

# 可查看Python3的默认编码。

print(sys.getdefaultencoding())

# 下面的方式也可以查看

print(sys.stdout.encoding)

Python3中字符编码经常会使用到decode和encode函数。特别是在抓取网页中，这两个函数用的熟练非常有好处。

encode（编码）的作用，使我们看到的直观的字符转换成计算机内的字节形式。
decode（解码）刚好相反，把字节形式的字符转换成我们看的懂的、直观的、“人模人样”的形式。

如下图所示：

（3）编码格式应用于不同场景

数据在内存当中处理时，使用的格式是Unicode，统一标准。

在硬盘上存储，或者是在网络上传输时，用的是UTF-8，因为省空间。

参考：https://www.liaoxuefeng.com/wiki/1016959663602400/1017075323632896