Python编码问题

以下内容适用与Python 2.7版本。

1.关于  ASCII    Unicode    utf-8:

ASCII:127个数字 A -- 65   z -- 122  一个字节表示一个字符（255）

Unicode:通常两个字节（65535）表示一个字符，生僻字符可能四个字节表示一个字符。ASCII在Unicode二进制表示在前面补0。（计算机使用的编码为Unicode）

如果一个文档中，全是英文字符，若使用Unicode就会造成内存的浪费，所以产生了utf-8(可变长编码)。

ASCII在utf-8中占用内存为一个字节，而中文则占用三个字节。

2.计算机中使用Unicode编码，当涉及到硬盘存储时，会将Unicode转换为utf-8存储。例如：记事本的存储。

　同样，在网页上，会将Unicode的数据转换为utf-8显示在浏览器上。

3.Python中 ASCII 与 数字的转换

>>> ord('A')
65
>>> chr(65)
'A'

4.Python添加了对Unicode的支持，以Unicode表示的字符串用u'...'表示

>>> print u'中文'
中文
>>> u'中'
u'\u4e2d'

5.把u'xxx'转换为UTF-8编码的'xxx'用encode('utf-8')方法：(unicode  转换成 utf-8)

>>> u'ABC'.encode('utf-8')
'ABC'
>>> u'中文'.encode('utf-8')
'\xe4\xb8\xad\xe6\x96\x87'

6.反过来，把UTF-8编码表示的字符串'xxx'转换为Unicode字符串u'xxx'用decode('utf-8')方法：(utf-8  转换成 unicode )

>>> 'abc'.decode('utf-8')
u'abc'
>>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
u'\u4e2d\u6587'
>>> print '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
中文

7.Python文件头指定读取的编码格式（文件含中文的情况下，且中文字符串必须是Unicode字符串）

#!/usr/bin/env python
# -*- coding: utf-8 -*-