Python学习笔记（四）——编码和字符串

一、编码

1、编码类别：

（1）ASCII码：127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号

（2）GB2312码：中国制定的用于加入中文汉字的编码

（3）Unicode：防止由于各种编码出现冲突而导致的乱码问题。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）

（4）“可变长编码”UTF-8：Unicode乱码问题解决，然而是以存储为代价的。使用可变长编码可以一定程度上解决存储问题，

2、计算机系统通用的字符编码工作方式

（1）在计算机内存中，统一使用Unicode编码

（2）当需要保存到硬盘或者需要传输的时候，转换为UTF-8编码。

（3）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：

（4）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

二、字符串

1、Python的字符串

在最新的Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言

2、ord(),chr()

ord():获取字符的整数表示

chr():把编码转换为对应的字符

3、str字节数

（1）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。

（2）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'CXW'

（3）以Unicode表示的str通过encode()方法可以编码为指定的bytes

（4）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

（5）要计算str包含多少个字符，可以用len()函数：

（6）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
# -*- coding: utf-8 -*-

必须并且要确保文本编辑器正在使用UTF-8 without BOM编码

4、格式化

（1）格式化方法’% ‘

>>> 'Hello, %s' % 'world'

print("hello %s %s " % (x,x))

（2）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

（3）%%显示为%