python小知識點隨筆

可能會有不侷限於Python語言的內容，文中「>>>」表示結果，而不是命令行交互的提示符

1.關於字符串編碼

ASCII編碼 佔用一個字節 二進制11111111=十進制255 因此能夠編碼全部的字母和數字，好比大寫字母A的編碼是65，小寫字母z的編碼是122。可是因爲各國語言自成一脈，不免衝突，一塊兒出現會出現亂碼。

Unicode編碼應運而生，編譯全部語言。一般佔用兩個字節，生僻漢字需4需4個字節，字母數字編碼補0，缺點是儲存空間變大，若都是英文字母，不划算。

UTF-8 可變長度編碼集兩者之長，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。

計算機內存統一使用Unicode編碼，存儲和傳輸則使用UTF-8編碼。

 

 

Python的字符串類型是str,內存中以Unicode存儲，若是要在網絡上傳輸，或保存在磁盤上，就要把str變爲以字節爲單位的bytes（編碼）。

而從網絡或磁盤上讀取時，就要把bytes字節轉換爲str（解碼）。對應的方法分別是encode()和decode()

解碼的時候，若是包含沒法解碼的字節就會報錯：

1 print(b'\xe4\xb8\xad'.decode('utf-8'))
>>> 中
2 print(b'\xe4\xb8\xad\xff'.decode('utf-8'))
>>>

　　Traceback (most recent call last):
　　...
　　UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

若是隻有一小部分無效的字節，能夠傳入errors='ignore'忽略錯誤的字節：

1 print(b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore'))
>>> 中

當Python解釋器讀取源代碼時，爲了讓它按UTF-8編碼讀取，咱們一般在文件開頭寫上這兩行：

1 #!/usr/bin/env python3
2 # -*- coding: utf-8 -*-

第一行註釋是爲了告訴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；

第二行註釋是爲了告訴Python解釋器，按照UTF-8編碼讀取源代碼，不然，你在源代碼中寫的中文輸出可能會有亂碼。

PS. 字符串的佔位符‘%s’，會把任何數據類型轉換爲字符串。也能夠用具體的數據類型的佔位符如%d表示整數，%f表示浮點數，%x表示十六進制整數 而%須要%轉義，一般‘%%’表示‘%’

2.Python的複雜數據類型之 list,tuple,dict,set