Python字符串編碼

Python字符串與編碼
計算機對文本進行編碼的方式

ASCII碼
因爲計算機是美國人發明的，所以，最先只有127個字母被編碼到計算機裏，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱爲ASCII編碼，好比大寫字母A的編碼是65，小寫字母z的編碼是122。

UNICODE碼
因爲計算的的發展與普及，愈來愈多的國家開始使用計算機，然而每一個國家的文字基本都不相同，要經過計算機進行處理的話要進行不一樣的編碼，顯然一個字節的ASCII碼是不夠的。Unicode把全部語言都統一到一套編碼裏，這樣就不會再有亂碼問題了。Unicode標準也在不斷髮展，但最經常使用的是用兩個字節表示一個字符（若是要用到很是偏僻的字符，就須要4個字節）。現代操做系統和大多數編程語言都直接支持Unicode。
捋一捋ASCII編碼和Unicode編碼的區別：ASCII編碼是1個字節，而Unicode編碼一般是2個字節。
若是把ASCII編碼的A用Unicode編碼，只須要在前面補0就能夠，所以，A的ASCII碼是01000001，Unicode編碼是00000000 01000001。

UTF-8碼
在統一使用UNICODE編碼以後，全部的語言都不衝突了，也沒有亂碼了，可是又出現了另外一個問題：若是你寫的文本基本上所有是英文的話，用Unicode編碼比ASCII編碼須要多一倍的存儲空間，在存儲和傳輸上就十分不划算。因此此時UTF-8編碼又應運而生：將UNICODE編碼轉化爲可變長度的UTF-8編碼，UTF-8編碼把一個Unicode字符根據不一樣的數字大小編碼成1-6個字節，經常使用的英文字母被編碼成1個字節，漢字一般是3個字節，只有很生僻的字符纔會被編碼成4-6個字節。若是你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間：

字符 ASCII Unicode UTF-8
A 01000001 00000000 01000001 01000001
中 x 01001110 00101101 11100100 10111000 10101101
從上面的表格還能夠發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上能夠被當作是UTF-8編碼的一部分，因此，大量只支持ASCII編碼的歷史遺留軟件能夠在UTF-8編碼下繼續工做。搞清楚了ASCII、Unicode和UTF-8的關係，咱們就能夠總結一下如今計算機系統通用的字符編碼工做方式：
在計算機內存中，統一使用Unicode編碼，當須要保存到硬盤或者須要傳輸的時候，就轉換爲UTF-8編碼。例如在用記事本編輯的時候，從文件讀取的UTF-8字符被轉換爲Unicode字符到內存裏，編輯完成後，保存的時候再把Unicode轉換爲UTF-8保存到文件。

Python的字符串與編碼
因爲Python的誕生早於UNICODE編碼的誕生時間，因此最先python僅支持ASCII碼，系統中默認的’ABC’也都是ASCII編碼，python後來添加了對於UNICODE編碼的支持，用u'...'表示，好比

>>> print u'我是誰？'
我是誰？
>>> u'我是誰？'
u'\u6211\u662f\u8c01\uff1f'

那麼ASCII碼和UNICODE編碼之間如何轉換呢？字符串’xxx’雖然是ASCII碼，但也能夠看做是UTF-8碼，可是u’xxx’只能是UNICODE碼。將u’xxx’轉化爲UTF-8的’xxx’使用.encode(‘utf-8’)函數：

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

反過來，把UTF-8編碼表示的字符串’xxx’轉換爲Unicode字符串u’xxx’用decode(‘utf-8’)方法：

>>> 'ABC'.decode('utf-8')
u'ABC

Python的格式化輸出
在python中，格式化輸出採用和C語言同樣的方式，不過其變量要採用%符號來做爲前綴。

>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'

對於UNICODE編碼的字符串，其用法也同樣，只是要確保替換的字符串也是UNICODE編碼的字符串。

>>> u'Hi, %s' % u'Michael'
u'Hi, Michael'

原文：https://blog.csdn.net/mountzf/article/details/52727735