此學習筆記參考廖雪峰
字符串編碼的發(fā)展歷史
- 字符串也是一種數(shù)據(jù)類型湾盗，但是崇渗，字符串比較特殊的是還有一個編碼問題旋廷。由于計算機是美國人發(fā)明的，因此宙搬，最早只有127個字符被編碼到計算機里，也就是大小寫英文字母拓哺、數(shù)字和一些符號勇垛，這個編碼表被稱為
ASCII編碼。 - 但是要處理中文顯然一個字節(jié)是不夠的士鸥，至少需要兩個字節(jié)闲孤，而且還不能和ASCII編碼沖突，所以础淤，中國制定了
GB2312編碼崭放，用來把中文編進去。 - 全世界有上百種語言, 各國有不同的編碼鸽凶，就會不可避免地出現(xiàn)沖突币砂，結(jié)果就是，在多語言混合的文本中玻侥，顯示出來會有亂碼决摧。因此，
Unicode應運而生。Unicode把所有語言都統(tǒng)一到一套編碼里掌桩，這樣就不會再有亂碼問題了边锁。 - ASCII編碼和Unicode編碼的區(qū)別：
ASCII編碼是1個字節(jié)，而Unicode編碼通常是2個字節(jié)波岛。 - 用Unicode編碼比ASCII編碼需要多一倍的存儲空間茅坛，在存儲和傳輸上就十分不劃算。本著節(jié)約的精神则拷，又出現(xiàn)了把Unicode編碼轉(zhuǎn)化為“可變長編碼”的
UTF-8編碼。UTF-8編碼把一個Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個字節(jié)煌茬，常用的英文字母被編碼成1個字節(jié)斥铺，漢字通常是3個字節(jié)坛善，只有很生僻的字符才會被編碼成4-6個字節(jié)。 - 在計算機內(nèi)存中眠屎，統(tǒng)一使用Unicode編碼剔交，當需要保存到硬盤或者需要傳輸的時候，就轉(zhuǎn)換為UTF-8編碼组力。
Python的字符串以及編碼與解碼
在最新的Python 3版本中抖拴，字符串是以Unicode編碼的燎字，也就是說阿宅，Python的字符串支持多語言候衍。
- 對于單個字符的編碼，Python提供了
ord()函數(shù)獲取字符的整數(shù)表示洒放，chr()函數(shù)把編碼轉(zhuǎn)換為對應的字符蛉鹿。 - 在python3 中，文本總是Unicode往湿，由
str類型表示，二進制數(shù)據(jù)則由bytes類型表示领追。字符串可以編碼成字節(jié)包，而字節(jié)包可以解碼成字符串(Ref)棕孙。
字符串和字節(jié)包的關(guān)系 - Python對
bytes類型的數(shù)據(jù)用帶b前綴的單引號或雙引號表示。要注意區(qū)分'ABC'和b'ABC'蟀俊，前者是str，后者雖然內(nèi)容顯示得和前者一樣肢预，但bytes的每個字符都只占用一個字節(jié)。 - 以
Unicode表示的str通過encode()方法可以編碼為指定的bytes;
反過來烫映，如果我們從網(wǎng)絡或磁盤上讀取了字節(jié)流，那么讀到的數(shù)據(jù)就是bytes窑邦。要把bytes變?yōu)?code>str，就需要用decode()方法. - 在操作字符串時冈钦，我們經(jīng)常遇到
str和bytes的互相轉(zhuǎn)換。為了避免亂碼問題厉熟，應當始終堅持使用UTF-8編碼對str和bytes進行轉(zhuǎn)換。 - 由于Python源代碼也是一個文本文件揍瑟，所以乍炉，當你的源代碼中包含中文的時候绢片，在保存源代碼時岛琼，就需要務必指定保存為UTF-8編碼。當Python解釋器讀取源代碼時槐瑞，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
- 申明了UTF-8編碼并不意味著你的.py文件就是UTF-8編碼的困檩，必須并且要確保文本編輯器正在使用UTF-8 without BOM編碼
格式化的字符串
在Python中祠挫，采用的格式化方式和C語言是一致的，用%實現(xiàn)等舔。
| 占位符 | 替換內(nèi)容 |
|---|---|
%d |
整數(shù) |
%f |
浮點數(shù) |
%s |
字符串 |
%x |
十六進制整數(shù) |
格式化整數(shù)和浮點數(shù)還可以指定是否補0和整數(shù)與小數(shù)的位數(shù)显沈，例如：
In [20]: print('%2d-%02d' % (3, 1))
3-01
其中%2d表示兩位精度整數(shù)软瞎，%02d表示兩位整數(shù)，并且用0補位涤浇。
- 如果你不太確定應該用什么，%s永遠起作用著恩，它會把任何數(shù)據(jù)類型轉(zhuǎn)換為字符串：
