Python字符串和编码

其它编程语言

1. 常用编码：

• ASCII:每个字符占用一个字节，表示的字符较少
• GB2312：中国的字符编码标准，日本的是Shift_JIS,韩国的是Euc-kr，造成各个国家的编码不一致
• Unicode：两个字节或者四个字节(生僻字)表示一个字符，如果仅仅使用英文，Unicode占用的字节数太多了
• UTF-8：可变长编码的编码，使用1-6个字节表示字符，常用英文是1个字节，汉字一般是3个字节，生僻字可能使用4-6个字节
  

  计算机内存中一般使用Unicode编码，当需要存到硬盘或者需要传输的时候，就需要转换为UTF-8编码

2. Python中的字符串

• Python诞生的比Unicode早，所以，最早的Python只支持ASCII编码
  

  Python提供了ord()和chr()函数来转换字母和数字,例子：

    >>> chr(65)
    'A'
    >>> ord('B')
    66
    >>>

• Python中的Unicode字符的表示方法:u"字符内容"

>>> u"张三"
u'\u5f20\u4e09'
>>> print u"张三"
张三
>>> print u"\u5f20\u4e09"
张三
>>> print "\u5f20\u4e09"
\u5f20\u4e09

• Python中Unicode和UTF-8编码的转换：
  
  • 把Unicode字符串转换为UTF-8字符串例子

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

• UTF-8字符串转换为Unicode字符串

    >>> "abc".decode("UTF-8")
    u'abc'
    >>> "\xe4\xb8\xad\xe6\x96\x87".decode("UTF=8")
    u'\u4e2d\u6587'

• 计算字符串的长度

>>> len("ABC")
3
>>> len(u"ABC")
3
>>> len("中文")
4
>>> len(u"中文")
2

• 由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码的时候需要指定保存为UTF-8编码,为了让它按照UTF-8编码读取，我们通常在文件开头写上这两行：
  

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

3. 字符串的格式化

%s 表示字符串
%d 表示整数
%f 表示浮点数
%x 表示十六进制整数

>>> "%2d - %2d" % (3,1)
' 3 -  1'
>>> "%.2f" % 3.1415926
'3.14'
>>> "name is %s" % ("张三")
'name is \xd5\xc5\xc8\xfd'
>>> "name is %s" % (u"张三")
u'name is \u5f20\u4e09'
>>> "Age :% s,Gender:%s" % (25,True)
'Age :25,Gender:True'
>>> u"name is %s" % (u"张三")
u'name is \u5f20\u4e09'

• 当只有一个占位符的时候，括号()可以被省略掉
• 当需要使用%的时候，需要对它进行转义：

>>> "growth rate: %d %%" % 7
'growth rate: 7 %'

注意，在Python 3中，u"xxx"和""表示的一生一世是一致的，默认是Unicode编码，如果需要使用字节形式表示字符串，需要在字符串前面加上字符b:b"呵呵"