字符串還有一個編碼問題茉唉。
因為計算機只能處理數字较雕,如果要處理文本,就必須先把文本轉換為數字才能處理食拜。最早的計算機在設計時采用8個比特(bit)作為一個字節(jié)(byte)鸵熟,所以,一個字節(jié)能表示的最大的整數就是255(二進制11111111=十進制255)负甸,0 - 255被用來表示大小寫英文字母流强、數字和一些符號痹届,這個編碼表被稱為ASCII編碼,比如大寫字母A的編碼是65打月,小寫字母z的編碼是122队腐。
如果要表示中文,顯然一個字節(jié)是不夠的奏篙,至少需要兩個字節(jié)柴淘,而且還不能和ASCII編碼沖突,所以报破,中國制定了GB2312編碼悠就,用來把中文編進去。
類似的充易,日文和韓文等其他語言也有這個問題梗脾。為了統(tǒng)一所有文字的編碼,Unicode應運而生盹靴。Unicode把所有語言都統(tǒng)一到一套編碼里炸茧,這樣就不會再有亂碼問題了。
Unicode通常用兩個字節(jié)表示一個字符稿静,原有的英文編碼從單字節(jié)變成雙字節(jié)梭冠,只需要把高字節(jié)全部填為0就可以。
因為Python的誕生比Unicode標準發(fā)布的時間還要早改备,所以最早的Python只支持ASCII編碼控漠,普通的字符串'ABC'在Python內部都是ASCII編碼的。
Python在后來添加了對Unicode的支持悬钳,以Unicode表示的字符串用u'...'表示盐捷,比如:
print u'中文'
中文
注意:不加 u ,中文就不能正常顯示默勾。
Unicode字符串除了多了一個u之外碉渡,與普通字符串沒啥區(qū)別,轉義字符和多行表示法仍然有效:
轉義:
u'中文\n日文\n韓文'
多行:
u'''第一行
第二行'''
raw+多行:
ur'''Python的Unicode字符串支持"中文",
"日文",
"韓文"等多種語言'''
如果中文字符串在Python環(huán)境下遇到 UnicodeDecodeError母剥,這是因為.py文件保存的格式有問題滞诺。可以在第一行添加注釋
# -*- coding: utf-8 -*-
目的是告訴Python解釋器环疼,用UTF-8編碼讀取源代碼习霹。然后用Notepad++ 另存為... 并選擇UTF-8格式保存。