python_字符编码&格式化
电脑最小储存单位是bit(位),8bit为一个Byte(字节),
8bit=1Byte
1024Byte=1KB
1024KB=1MB
1024MB=1GB
1024GB=1TB
编码的故事:
计算机是美国人发明的,最早只有127个字符编码,编码表被称为ASCII
编码,中文怎么办?中国就把中文编进去,制定了GB2312
编码,日本把日文编到Shift_JIS
里,韩国把韩文编到Euc-kr
里..............这样会出现什么情况,假如我一个本档的内容有中文,英文,显示就会乱码,我们说的乱码,就是某个中文字符编码表没有,就无法正确显示出来了
所以出现了Unicode编码,把所有语言都统一到这套编码里,但是Uniccode通常是1个字符要占2个字节(Byte),英文1个字符在Unicode也是占2个字节(Byte),怎么办呢,占用空间多一倍,于是utf-8就出现了,utf-8能根据字符(UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,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,如果文本基本都是英文,用utf8能节省很多空间)
_________________________________________________________________________________________________
字符串编码
# -*- coding:utf-8 -*- print(ord('A'),ord('詹'),chr(35449))
ord()就是找对应的编码数字,chr()就是找对应的解码字符
_________________________________________________________________________________________________
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。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
1 # -*- coding:utf8 -*- 2 3 #'ABC'以ascii编码成bytes,才能进行传输 4 print('ABC'.encode('ascii')) 5 6 #b'ABC'以ascii解码成字符,我们才看得出是'ABC' 7 print(b'ABC'.decode('ascii')) 8 9 #中文如果用ascii编码会出错,中文不在ascii表内,超出了范围,所以我们用utf8 10 print('我是中文'.encode('utf8')) 11 print(b'\xe6\x88\x91\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\x87'.decode('utf8'))
假设我故意把bytes故意改一下尾部去decode,会报错,但是可以忽略
1 # -*-coding:utf8 -*- 2 3 #原bytes 4 print(b'\xe6\x88\x91\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\x87'.decode('utf8')) 5 #故意出错bytes(如果不加errors='ignore',会报错) 6 print(b'\xe6\x88\x91\xe6\x98\xaf\xe4\xb8\xad\xe6\x96\xff'.decode('utf8', errors='ignore'))
计算字符串中的字符个数
# -*-coding:utf8 -*- print(len("12345678")) print(len("饕餮"))
计算字符串中的字节数量
# -*-coding:utf8 -*- print(len(b"12345678")) #中文我要先encode编码我才bytes是什么,才能计算字节数量 print('饕餮'.encode('utf8')) print(len(b'\xe9\xa5\x95\xe9\xa4\xae'))
Python中,采用的格式化方式和C语言是一致的,用%
实现
1 # -*-coding:utf8 -*- 2 3 #格式化,%s中的s表示字符串,%d中的d表示整数,还有%f中的f表示浮点数,%x中的x表示十六进制的整数 4 say_somthing = 'Hi, %s, you have $%d.' % ('James', 1000000) 5 print(say_somthing)
还有一种格式代是format(),略过