Python編碼問題

標籤：div   檔案   str   添加   產生   中文字元   abc   二進位   post   

以下內容適用與Python 2.7版本。

1.關於  ASCII    Unicode    utf-8:

ASCII:127個數字 A -- 65   z -- 122  一個位元組表示一個字元（255）

Unicode:通常兩個位元組（65535）表示一個字元，生僻字元可能四個位元組表示一個字元。ASCII在Unicode二進位表示在前面補0。（電腦使用的編碼為Unicode）

如果一個文檔中，全是英文字元，若使用Unicode就會造成記憶體的浪費，所以產生了utf-8(可變長編碼)。

ASCII在utf-8中佔用記憶體為一個位元組，而中文則佔用三個位元組。

2.電腦中使用Unicode編碼，當涉及到硬碟儲存時，會將Unicode轉換為utf-8儲存。例如：記事本的儲存。

　同樣，在網頁上，會將Unicode的資料轉換為utf-8顯示在瀏覽器上。

3.Python中 ASCII 與 數位轉換

>>> ord(‘A‘)65>>> chr(65)‘A‘

4.Python添加了對Unicode的支援，以Unicode表示的字串用u‘...‘表示

>>> print u‘中文‘中文>>> u‘中‘u‘\u4e2d‘

5.把u‘xxx‘轉換為UTF-8編碼的‘xxx‘用encode(‘utf-8‘)方法：(unicode  轉換成 utf-8)

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

6.反過來，把UTF-8編碼錶示的字串‘xxx‘轉換為Unicode字串u‘xxx‘用decode(‘utf-8‘)方法：(utf-8  轉換成 unicode )

>>> ‘abc‘.decode(‘utf-8‘)u‘abc‘>>> ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)u‘\u4e2d\u6587‘>>> print ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)中文

7.Python檔案頭指定讀取的編碼格式（檔案含中文的情況下，且中文字串必須是Unicode字串）

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

 

Python編碼問題