python-字符串

标签：大量   class   asc   转化   文字   bsp   字符串类型   内存   使用   

一、字符编码

1. 最早使用的编码方式为ASCII编码，ASCII编码是1个字节，例如：字母A用ASCII编码是十进制的65，二进制的01000001

2. Unicode编码是将所有语言统一到一套编码里，避免乱码，Unicode编码是2个字节，例如：字母A用Unicode编码是十进制的65，二进制的 00000000 01000001

3. UTF-8编码是将Unicode编码转化为可变长的编码，可节省空间。通常，英文字母被编码成1个字节，汉字被编码成3个字节，生僻的字符被编码成4~6个字节

4. 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编码的软件可以在UTF-8编码下继续工作

5. 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码

6. <meta charset="UTF-8" />，表示该网页正是用的UTF-8编码

二、python的字符串

1. 对于单个字符的编码，ord()函数表示将字符转换为整数，chr()函数表示将编码转换为对应的字符

例如：

1 >>> ord(‘A‘)
2 65
3 >>>ord(‘中‘)
4 20013
5 >>> chr(66)
6 ‘B‘
7 >>>chr(20013)
8 ‘中‘

2. python中字符串类型是str，在内存中用Unicode表示，一个字符对应若干个字节。若要在网络上传输或者保存在磁盘上，需要把str转换为以字节为单位的bytes

    对bytes类型的数据要用带b前缀的单引号或双引号表示，例如：a=b‘ABC‘，而b=‘ABC‘表示的为str类型

    bytes类型的数据每个字符占1个字节，如上a共占3个字节

3. 以Unicode表示的str可以通过encode()方法编码成指定的bytes（字符转换为字节，用于网络上传输或者是将字符保存在磁盘上时）

例如：

1 >>> ‘ABC‘.encode(‘ascii‘)
2 b‘(ABC‘)
3 >>> ‘中文‘.encode(‘utf-8‘)
4 b‘\xe4\xb8\xad\xe6\x96\x87‘

4. 在网络上或者是磁盘上读取字节流时，读取到的是bytes，将bytes转换为str需要用到decode()方法（字节转换为字符）

例如：

1 >>> b‘ABC‘.decode(‘ascii‘)
2 ‘ABC‘
3 >>> b‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)
4 ‘中文‘

如果bytes中只有一小部分无效的字节，可以传入参数errors=‘ignore‘忽略错误的字节

5. len()函数可用来计算包含的字节数或者字符数

例如：

 1  #计算字符数
 2  >>> len(‘ABC‘)
 3  3
 4  >>> len(‘中文‘)
 5  2
 6  #计算字节数
 7  >>> len(b‘ABC‘)  #一个英文字符通常占一个字节
 8  3
 9  >>> len(‘中文‘.encode(‘utf-8‘)  #一个中文字符通常占三个字节
10  6
11  >>> len(b‘\1\1\1\1\1\1‘)
12  6

python-字符串

标签：大量   class   asc   转化   文字   bsp   字符串类型   内存   使用   

原文地址：https://www.cnblogs.com/canneddream/p/14070382.html