Python入门笔记(14):Python的字符编码

一、字符编码中ASCII、Unicode和UTF-8的区别

点击阅读：http://www.cnblogs.com/kingstarspe/p/ASCII.html

再推荐一篇相关博文：http://www.cnblogs.com/huxi/archive/2010/12/05/1897271.html

二、Unicode与ASCII

Python能处理Unicode和ASCII编码，为了让这两者看起来尽可能的相似，Python字符串从原来简单的类型改成了真正的对象。ASCII字符串成了StringType、Unicode字符串成了UnicodeType。使用如下：

>>> "hello world"    #ASCII string
'hello world'
>>> u"hello world"    #Unicode string
u'hello world'
>>> 

1、str()、chr()只能以0~255作为参数，也即是说只处理ASCII字符串。如果有Unicode字符串，则会先自动转换成ASCII的然后在传入这些函数中。

原因：Unicode支持的字符多，如果在str()、chr()中有ASCII不存在的字符，则会发生异常。

2、unicode()、unichar()可以看做是Unicode版本的str()和chr()。

>>> unicode('hello world')
u'hello world'

三、编码与解码

它们解决的问题就是编码(encode())、解码(decode())问题，不至于出现乱码。

Codec表示编码方式。

""" 把一个Unicode字符串写入到磁盘文件，然后再把它读出并显示;
    写入的时候用UTF-8，读也一样用UTF-8。"""

CODEC = 'utf-8'
FILE = 'demo.txt'

strIn = u'BeginMan will be a great coder'
byte_strIn = strIn.encode(CODEC)  #以uft-8进行编码
f = open(FILE,'w')
f.write(byte_strIn)
f.close()

f = open(FILE,'r')
str = f.read()
f.close()
str_out = str.decode(CODEC) #以utf-8进行解码
print str_out   #输出：BeginMan will be a great coder

注意：

1、程序中出现字符串时一定要在前面加上前缀u

s= '博客园Cnblog'  #不要这样写,这样容易乱码如：鍗氬鍥瑿nblog
s = u'博客园Cnblog'#正确

2、不要使用str()函数，尽量用unicode()代替

3、不要使用过时的string 模块

4、没必要在程序中编码或解码unicode字符串，编码解码一般用于操作文件、数据库、网络等才使用。

5、字符串格式化

>>> '%s %s' %('Begin','man')
'Begin man'

#还记得上次的关于字符串的博客中说到的：“普通字符串与unicode字符串能转换成unicode字符串”
>>> u'%s %s' %(u'Begin',u'Man')
u'Begin Man'
>>> u'%s %s' %('Begin','Man')
u'Begin Man'
>>> '%s %s' %(u'Begin','man')
u'Begin man'
>>> '%s %s' %('Begin',u'man')
u'Begin man'