字符串與編碼

在最新的Python 3版本中，字符串是以Unicode編碼的，即Python的字符串支持多語言

編碼和解碼
　　字符串在內存中以Unicode表示，在操做字符串時，常常須要str和bytes互相轉換
　　字符串是能夠直接在內存上進行處理的，但若是要將其傳輸到網絡或磁盤上，須要將其編碼，反過來則須要解碼，由於str是不能夠直接存儲在磁盤上或在網絡上傳輸的
　　若是將字符串從內存傳輸到網絡或保存到磁盤，則要把str轉換爲以字節爲單位的bytes，稱爲編碼
　　若是要從網絡或磁盤上獲取字符串，則要從網絡上或者磁盤上讀取字節流，並把bytes轉換爲str，稱爲解碼
　　爲避免亂碼問題，應當始終堅持使用UTF-8編碼對str和bytes進行轉換，關於編碼，請參照字符編碼

 

使用示例： 

單個字符的編碼

print(ord('A')) #輸出：65，獲取字符的整數表示
print(chr(66)) #輸出：B，把編碼轉換爲對應的字符

 

十六進制表示

print('中文') #輸出：'中文'，
print('\u4e2d\u6587') #輸出：'中文'，'\u4e2d\u6587'和'中文'徹底對等，若是知道字符的整數編碼，還能夠用十六進制這麼寫str

 

bytes類型的數據表示

x = b'ABC' #Python對bytes類型的數據用帶b前綴的單引號或雙引號表示，'ABC'和b'ABC'在顯示上徹底同樣，但bytes的每一個字符都只佔用一個字節

 

編碼

print('ABC'.encode('ascii')) #輸出：b'ABC'，以Unicode表示的str經過encode()方法能夠編碼爲指定的bytes
print('中文'.encode('utf-8')) #輸出：b'\xe4\xb8\xad\xe6\x96\x87'，
print('中文'.encode('ascii')) #輸出：報錯，由於中文字符在ascii編碼範圍外，因此致使編碼失敗

 

解碼

print(b'ABC'.decode('ascii')) #輸出：'ABC'
print(b'\xe4\xb8\xad\xe6\x96\x87'.decode('ascii')) #輸出：'中文'
print(b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')) #輸出：'中'，若是bytes中只有一小部分無效的字節，能夠傳入errors='ignore'忽略錯誤的字節

 

計算長度

#len(a)函數返回a的長度，若是a是字符串則返回字符數，若是a是字節表示則返回字節數
print(len('中文')) #輸出：2，共2個字符
print(len('ABC')) #輸出：3，共3個字符
print(len(b'ABC')) #輸出：3，共是3個字節
print(len(b'\xe4\xb8\xad\xe6\x96\x87')) #輸出：6，共是6個字節
print(len('中文'.encode('utf-8'))) #輸出：6, 1箇中文字符通過UTF-8編碼後一般會佔用3個字節,所以兩個漢字的字節數是6

 

源碼文件開頭與編碼

#!/usr/bin/env python3       告訴Linux/OS X系統，這是一個Python可執行程序，Windows系統會忽略這個註釋
# -*- coding: utf-8 -*-      告訴Python解釋器，按照UTF-8編碼讀取源代碼，不然在源代碼中寫的中文輸出可能會有亂碼

#注意：告訴編譯器使用UTF-8編碼的同時，.py文件也要保存爲UTF-8 without BOM編碼，二者統一了，纔可確保文件中的中文正常顯示