python第三方庫系列之十五--編碼庫__編碼

首先上一張圖：

我們知道：1位元組=8位

因為Python的誕生比Unicode標準發布的時間還要早，所以最早的Python只支援ASCII編碼，普通的字串'ABC'在Python內部都是ASCII編碼的。Python提供了ord()和chr()函數，可以把字母和對應的數字相互轉換：

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

Python在後來添加了對Unicode的支援，以Unicode表示的字串用u'...'表示，比如：

>>> print u'中文'中文>>> u'中'u'\u4e2d'

寫u'中'和u'\u4e2d'是一樣的，\u後面是十六進位的Unicode碼。因此，u'A'和u'\u0041'也是一樣的。

兩種字串如何相互轉換。字串'xxx'雖然是ASCII編碼，但也可以看成是UTF-8編碼，而u'xxx'則只能是Unicode編碼。

把u'xxx'轉換為UTF-8編碼的'xxx'用encode('utf-8')方法：

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

英文字元轉換後表示的UTF-8的值和Unicode值相等（但佔用的儲存空間不同），而中文字元轉換後1個Unicode字元將變為3個UTF-8字元，你看到的\xe4就是其中一個位元組，因為它的值是228，沒有對應的字母可以顯示，所以以十六進位顯示位元組的數值。len()函數可以返回字串的長度：

>>> len(u'ABC')3>>> len('ABC')3>>> len(u'中文')2>>> len('\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：

>>> '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

由於Python原始碼也是一個文字檔，所以，當你的原始碼中包含中文的時候，在儲存原始碼時，就需要務必指定儲存為UTF-8編碼。當Python解譯器讀取原始碼時，為了讓它按UTF-8編碼讀取，我們通常在檔案開頭寫上這兩行：

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

第一行注釋是為了告訴Linux/OS X系統，這是一個Python可執行程式，Windows系統會忽略這個注釋；

第二行注釋是為了告訴Python解譯器，按照UTF-8編碼讀取原始碼，否則，你在原始碼中寫的中文輸出可能會有亂碼。